随着我国国民经济的高速发展,汽车数量大幅度的增加,国内高速公路、城市道路、停车场等设施越来越多,对交通控制、安全管理的要求也日益提高。在国内外,智能交通系统(ITS)已成为当前交通管理发展的主要方向,而图像识别技术作为智能交通系统的核心技术之一,是智能交通系统的重要前沿研究领域,起着举足轻重的作用,它的广泛应用必将有助于我国交通管理自动化的进程。论文致力于解决智能交通监控系统中因天气、光照、路况所造成的车牌模糊现象的车牌识别问题,以使得识别设备具备更强的环境适应性。车牌识别主要包括车牌图像的预处理、车牌区域的定位、车牌字符的分割和识别四大块内容。在图像预处理环节中,首先对图像进行增强,然后提出一种基于小波分析和遗传算法的去噪方法,对图像进行了去噪处理,取得了较好的效果,为进一步的处理作好了准备;在车牌定位环节中,提出了一种基于小波高频部分重构获取边缘信息,再根据投影特征进行定位的方法,取得了理想的定位效果;在车牌字符分割环节中,提出了一种基于改进的Snake模型的字符分割的方法,解决了粘连字符的分割问题;在字符识别环节中,为了提高识别率,分析车牌字符的分布规律将字符识别系统分为四个子系统,采用了一种基于模板匹配的改进AdaBoost算法的字符识别方法。它不仅继承了传统AdaBoost算法的识别率高、识别速度快等优点,针对AdaBoost算法的退化现象,根据样本在权重上的分布情况,对权重进行适当的调整,解决了经典AdaBoost算法中存在的退化现象。同时,为了实现系统的高度智能化和小型化,提高系统的性价比,论文采用高性能的DSP取代传统的PC作为核心处理器,设计了一种基于DSP的智能交通监控系统,并详细地对其硬件实现的各个环节做了介绍。在硬件开发平台上,对论文采用的算法从图像预处理到字符分割,进行了实验验证,取得了满意的效果。