随着经济的发展,汽车数量急剧增加,智能交通系统(ITS)应运而生,车牌识别(LPR)系统是智能交通系统的重要组成部分,是目前模式识别研究领域的一个热点,具有很好的应用前景和发展潜力。车牌识别主要由图像采集、预处理、车牌定位、字符分割和字符识别几部分组成,本文从车牌定位、字符分割和字符识别三方面对车牌识别技术进行了详细的研究。论文的主要内容如下：1、介绍了车牌识别系统的应用背景、系统组成及发展现状。2、介绍了车牌图像的预处理方法,主要包括：彩色图像灰度化以及灰度变换、直方图均衡和中值滤波等图像增强方法。3、在介绍几种边缘检测算法的基础上,研究了一种基于边缘点区域连通的车牌定位算法,该算法首先求车辆图像的垂直边缘,进而将图像中的边缘点连接成若干个连通区域,然后利用车牌的几何特征与其他背景区域的区别,将非车牌区域剔除,从而完成车牌定位。4、在车牌定位完成后,对有倾斜的车牌进行倾斜矫正,车牌倾斜有两种倾斜：水平倾斜和垂直倾斜。对于水平倾斜矫正使用了Hough变换和K-L展开式两种矫正方法,并对这两种方法进行了对比。论文使用了基于剪切变换的方法来矫正垂直倾斜的车牌。倾斜矫正之后,去除车牌的上下边框,最后将车牌上的字符串分割成为单个的字符并将其归一化和细化,使字符的大小相同,字符笔划的宽度只有一个像素。5、在字符分割、归一化和细化的基础上,使用粗网格法对车牌字符进行特征提取,根据所选取的特征设计BP神经网络,并用该神经网络分类器进行字符识别。根据中国车牌上字符的排列特点,使用了两个分类器进行识别,第一个神经网络专门用来识别汉字,另外一个用来识别字母和数字,识别之后将两个分类器的输出结果组合就可以得到识别结果。6、介绍了车牌识别系统硬件平台TDSDM642EVM评估板,包括CPU、存储器、视频接口、视频编解码芯片和以太网口,使用该硬件平台,配合相应的外围硬件及软件构建一个车牌识别系统。7、在VC++平台上使用MFC构建了一个软件车牌识别系统,该系统能够对采集到的图像进行车牌识别,论文对其菜单及识别过程做了详细的演示。