随着国民经济的迅速发展,我国汽车的数量迅速增加,致使公路交通的负担越来越重。智能交通系统(Intelligent Transportation System, ITS)可以科学、高效地利用好现有交通基础资源,逐渐成为进一步挖掘我国城市交通能力的有效途径。车牌识别技术是计算机模式识别技术在智能交通领域应用的重要研究课题之一。典型的车牌识别系统主要包括以下三个步骤：车牌定位、车牌字符分割和字符识别。本文主要研究多尺度低质量的车牌图像的字符分割。首先简要地阐述了车牌字符分割的研究现状,针对当前算法不能精确分割车牌字符粘连区域,不能从待选区域中准确筛选出车牌字符区域的缺点,提出了一种多尺度的基于先验知识的分割算法。实验表明该算法能够对粗定位后的车牌字符进行精确分割。在车牌二值化的研究中,全局阈值法处理后的图像,噪点区域和粘连区域比较少,更易于字符的分割,但该方法无法处理光照不均匀的车牌；局部阈值法可以处理光照不均匀等复杂背景下的车牌,但处理正常光照下拍摄到的车牌会出现噪点区域多等问题。本文综合全局阈值法和局部与阈值法的优缺点,提出了一种自适应的二值化算法。在车牌分割方法的研究中,本文采用基于连通区域生成的分割策略。在粘连字符分割的研究中,针对现有分割算法的不足提出了改进的滴水算法；在基于连通区域的字符区域筛选研究中,根据我国车牌的特征,提出了一种基于贝叶斯置信网络的先验知识嵌入的方法,对车牌字符区域进行筛选。对于给定的车牌,通过对车牌字符各候选区域进行概率编码,构建贝叶斯置信网络,从而将车牌字符区域筛选的问题转化为贝叶斯置信网络拓扑图的构建过程。该方法能准确筛选出不连通的汉字区域,有效去除左右边框,车灯的干扰,并能分割不同大小尺度的车牌。最后,本文实现了一套多尺度低质量的车牌字符分割系统,并给出了相关实验结果和数据。