随着我国汽车数量的不断增加,城市交通状况日益受到人们的重视,如何有效地进行交通管理,越来越成为人们关注的焦点。因此,智能交通系统得到了迅猛的发展,车牌识别系统作为智能交通系统中的一个重要分支也得到了飞快的发展,并在高速公路、城市道路和停车场等项目管理中占有不可取代的地位。本文整理和总结了近年来车牌识别领域的一些方法和最新进展,并且将一种新的理论.即压缩感知理论运用到字符识别上。车牌识别系统基本可以分为图像采集、预处理、车牌定位、字符分割、字符识别五大模块,本文主要研究了简单背景条件下静态图像的车牌识别技术,对车牌定位、字符分割和字符识别分别作了研究、改进及提出一些新的方法。完成的主要工作是：首先对汽车图像进行了预处理来为后续的处理做准备,包含彩色图像灰度化,灰度拉伸等。然后根据车牌的特征,采用基于字符纹理、边缘检测与形态学和基于矢量量化的方法对车牌进行定位,实验表明可以满足实际应用的要求。进而对定位后的车牌进行了校正、二值化等处理,然后用直接投影的方法进行字符分割,由于投影法可能会导致字符的粘连和一个字符被分开的现象,本文又采用一种模板的方法进行分割,效果比较好。在字符识别部分,文章先对字符的特征进行提取,然后对BP神经网络等常用的字符识别方法进行了介绍、分析。最后将一种新的理论,既压缩感知理论运用到字符识别当中,证明了这是一种高效可行的方法。本文的研究能较准确地定位车牌、分割字符并进行识别,对车牌的倾斜、变形等情况有较强的抗干扰能力,具有很好的研究和开发价值。