针对目前车牌识别中车牌区域定位处理过程复杂、车牌字符准确率低等问题,本文采用Lab色彩空间识别结合传统sobel算子边缘检测的方法对车牌区域进行粗定位,再利用SVM模型进行精确定位。而在字符识别方面,本文利用ANN人工神经网络进行车牌字符识别,提高字符识别精度,经测试,该车牌系统对车牌区域识别定位准确,速度较快,字符识别准确度较高,具有较强的鲁棒性和实用性]进行识别，提高车牌识别精度，整个车牌识别流程如图1所示。图1车牌识别流程车牌定位1.1CIELab色彩空间Lab色彩空间是1931年国际照明委员会（CIE）制定的颜色度量国际标准的基础上建立起来的，1976年，经修改后被正式命名为CIELab，是一种基于生理特征的颜色系统，这也就意味着是用数字化的方法来描述人的视觉感应，能够有效地模仿人体识别车牌时的色彩判断，此外，网络的车牌识别系统-电动折弯机数控滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机Lab还具有色域宽阔的特点，能够最大程度地表示色域之间的色彩的过渡。Lab色彩空间如图2所示。Lab颜色空间的L分量表示像素的亮度，取值范围为[0,100]，表示从纯黑到纯白；a表示绿色到红色的范围本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name，取值范围为[-128,127]；b表示从蓝色到黄色的范围，取值范围从[-128,127]。图2Lab色彩空间色彩空间转换由于一般图片输入的色彩空间为RGB色彩空间，由RGB色彩空间转换成Lab色彩空间，需先由RGB转换成XYZ色彩空间，网络的车牌识别系统-电动折弯机数控滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机再由XYZ色彩空间转换成Lab。（1）假设r、g、b为像素的三个通道。 同时三个分量对光线的强弱较为敏感，所以不适用于车牌区域识别。而Lab色彩空间色域宽阔，L、a、b三个分量比较独立，其颜色系统符合人体生理特征，能够更有效的表达色彩的判断，故采取Lab色彩空间识别。由于车牌定位处理图像中是以车牌区域主的蓝色目标，而b分量色域恰好介于蓝色与黄色之间，考虑到图像遍历匹配操作对图片处理速度的影响，本文采取提取单一通道的方法提取b通道分量刻画车牌特征。由于其中L通道表示图片的亮度，无法用于色彩识别，故不考虑L通道的提龋而从图3(a)中可以发现a通道车牌区域与车灯区域灰度值趋于一致，在灰度直方图中，各个灰度级在像素点中的频率集中在一小段区间内，呈现单峰状，不能有效识别车牌区域。从图3(b)中可以看出，图片内基本区别了背景区域、车灯区域以及车牌区域，灰度直方图中出现明显的多峰态，可以有效区分车牌区域与非车牌区域。（a）a通道灰度图及其直方图（b）b通道灰度图及其直方图图3实验对比图F将所得到的b通道灰度图中灰度值阈值设置为150，利用固定阈值化的方法转化为二值图片，运用形态学闭操作，矩形模板大小为17*17，连接车牌内缝隙，得到最终候选区域。实验图片处理结果如图4所示。1.4垂直边缘检测由于色彩空间容易受到背景环境的影响，具有一定的局限性，所以本文在色彩识别的基础上加入了传统的sobel边缘检测，提高系统识别准确率。首先对色彩识别错误的图片重新载入，对原图像作高斯滤波处理，模板大小为5*5，去除图片中的噪声干扰。随后将图片灰度化，利用sobel算子对灰度图水平方向导检测车牌垂直边缘。图4形态学处理结果F网络的车牌识别系统-电动折弯机数控滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name