汽车牌照识别技术作为智能交通系统的核心关键技术,在智能交通管制与监视环节中发挥着重要的实用价值。近年来车牌识别系统的研究已经受到国内外越来越多的关注,如何提高系统的实时速度和识别准确率成为研究的热点和难点。本文针对车牌字符识别过程中的一些问题,在课题中做了深入细致的研究,涉及的内容概括为以下几个方面。首先,介绍了图像采集后的预处理操作的相关算法有图像灰度化、线性变换、中值滤波处理技术完成了图像的去噪。车牌定位和字符分割运用了Sobel算子边缘检测、迭代阂值分割法、车牌倾斜矫正以及基于先验知识与投影法相结合的字符分割法。其次,本文采用的是基于BP神经网络的车牌字符识别法和基于粗网格与神经网络相结合的特征提取法。最后,本文采用了基于粒子群优化的BP网络训练,该方法结合了粒子能在整个空间全局搜索的特性和神经网络在小范围局部搜索的特性。在实验阶段,可明显发现网络收敛速度有所提高。经过本文研究和实验分析表明,本文采用的算法能够很好的实现车牌的定位,分割与识别,字符的识别率也有所提高,达到90%以上,并且在复杂的外部环境下能够实时的实现车牌识别。同时通过计算机仿真和实验分析验证了该理论具有一定的可行性,为今后对车牌识别系统的进一步研究提供了理论依据。