机动车牌照识别(LPR)是智能交通系统(ITS)的关键组成部分。LPR在旅行时间管理,停车场管理,收费站,超速监测执法,冲闯红灯监测执法和被盗车辆识别等交通运输系统应用中扮演了重要的角色。尽管已有相关的研究工作正在开展,但在车牌照定位准确率,字符识别率等方面仍然有较大提升空间。为此,本课题重点关注车牌照识别准确率的研究,并期望力求在识别精度上能有进一步提高。　　 论文提出了一种新颖的机动车牌照识别方法以解决上述问题,该方法是一种基于形态学运算和图像投影算法的车牌照区域定位方法。论文首先应用Robert算子检测车牌照边缘,并结合统计学算法,去除车牌照的边界,边框和固定螺丝等干扰因素;最终利用水平和垂直投影方法抽取出完整的及去除干扰因素的车牌区域。然后使用区域生长算法对候选车牌区域进行分割;最后,利用逆向逻辑人工神经网络(RLANN)实现字符识别,并针对特殊字符,提出利用特征映射方法进行处理。鉴于车牌识别的复杂性,论文提出利用基于机动车牌照的先验知识和区域生长算法的字符分割技术和基于反向传播神经网络及其归一化字符识别技术,有效地提高车牌字符识别精度。　　 论文利用MATLAB9.1软件对所提出的算法进行了实验仿真,通过对不同环境下的车牌照图像样本进行仿真实验,结果表明采用本文提出的算法用于机动车牌照识别是可行的,并且准确率和适应性较好。