模式识别是计算机视觉技术的一个重要组成部分,为分类识别问题提供了有效的方法论和技术支撑。车牌识别技术是分类识别相关理论和方法得到成功运用并不断发展的热点和难点,对车牌字符的识别,由于受到很多客观条件的限制,采用单一的分类算法,识别效果往往不理想。基于信息融合技术,利用不同分类器识别结果或者多种特征之间的信息互补,从而得到更好的识别结果。车牌识别系统主要有车牌定位,字符分割和字符识别三部分组成,如何设计分类器对不同切割字符的情况下进行有效的分类识别是车牌识别的一个难点。论文在介绍目前车牌识别算法的基础上,分析了当前各种车牌识别算法的不足,结合信息融合技术,提出了基于信息融合的车牌融合识别算法。首先对车牌字符采用不同的分类器进行并行处理,在此基础上采用决策层匹配分数加权融合算法对模板匹配法和特征匹配法的识别结果进行融合,并在此基础上将上述融合结果与BP神经网络的识别结果采用D-S理论进行融合,最终得到融合识别的结果。从分类器融合角度进行了车牌识别技术的尝试。实验结果表明,与单一的分类算法相比,本文的融合算法具有更好的识别效果,整车牌的识别率和所有字符的识别率具有较大的提高,在采用不同分类器识别均出现错误的情况下,本文的融合算法具有一定的纠错能力,系统具有更好的鲁棒性。接着,论文在介绍DSP开发平台的基础上,详细讲述了基于DM642芯片的嵌入式车牌识别系统的硬件框架结构和软件开发流程,对车牌识别算法进行了移植。论文最后对全文工作进行了总结,并就下一步的研究工作进行了展望。