交通管理的智能化是未来城市交通发展的必然目标。其中车牌识别系统(LPRS)是智能交通系统的一个重要研究课题。对于车牌识别系统的研究具有巨大的实用价值和社会意义。车牌识别过程分为车牌定位、字符分割、字符识别三个步骤。车牌定位是识别过程的第一步,首先对图像预处理,把图像灰度化并进行灰度拉伸和中值滤波以提高车牌区域对比度、同时降低噪声干扰,保证后续提取的质量。接着介绍了三种边缘检测算子并对比分析确定本文使用sobel算子提取图像边缘信息。然后使用腐蚀膨胀等形态学处理方法生成车牌连通区域,最终通过车牌的长宽等几何特征将车牌区域筛选出来。在车牌分割环节中,首先使用了Otsu最大类间方差算法对车牌图像进行二值化,提出了根据车牌字符的面积比例的方法解决二值化背景色统一的问题。然后研究对比了Hough变换和Radon变换两种常见倾斜检测算法,发现后者更适合于车牌倾斜检测。接着进行上下边界的分割,先介绍了水平投影切割方法,并指出了不足,提出通过车牌二值跳变特性来确定上下边界。最后结合我国车牌字符的位置特征对垂直投影法进行改进,实现字符切分。最后一个阶段是字符识别,首先对之前提取出的字符统一大小,保证了后续特征提取的可靠性与稳定性。接着比较了四种常见特征提取方法,选择使用13特征作为大写英文字母和数字特征提取方法。针对汉字结构的特殊性,又对该方法进行了改进,提出33特征提取法作为汉字的特征提取方法。最后介绍了BP神经网络的原理,设计了分别识别汉字、字母、字母和数字的三种不同的分类器,车牌字符识别时,根据字符的具体位置选择使用不同的分类器进行识别。