智能交通系统(ITS)是近年随着电子计算机、人工智能及图像处理技术快速发展而诞生的新兴研究领域。而车牌识别技术(LPR)作为ITS中极为重要的部分,已成为目前国际上引人注目、研究发展神速的热门课题。车牌自动识别技术是建立在数字图像获取设备与计算机信息系统等软硬件平台的基础之上的,主要包括图像信息的获取、图像的预处理、车牌图像提取及矫正和光学字符的分割、识别等步骤。本文着重介绍的是车牌图像的预处理、车牌图像的提取、车牌图像的矫正及字符图像的分割和识别方法。图像的预处理过程主要是针对可能存在的光照不均,对彩色图像进行灰度化处理以及对灰度图像进行二值化处理,本文提出的是一种基于Otsu法的图像分块多阈值二值化处理方法,获得了较好的处理结果;车牌图像的提取包括粗定位和提取两个子步骤,这是车牌识别技术中的难点,本文提出的方法试图应用混沌理论对可能的车牌区域进行匹配运算,以获得较为准确的车牌图像区域;在车牌图像的矫正过程中,以二值化后的图像为基础,使用并比较分析了两种算法对存在的车牌图像的整体倾斜与扭曲进行矫正,一种算法是Radon变换结合最大全零列判决法,另一种是双线性变换法;由于前面步骤获得了优良的识别样本,之后进行的光学字符图像识别在进行字符图像分割提取时,使用了较为简单的模糊分类器后就可以达到很好的识别效果。本文所使用的图像原始样本的来源包括以下两个方面:一是由数码相机或者普通CCD摄像头在路口或者停车场等地拍摄下来的各类汽车的静止和低速运动的彩色图像;二是在网络上搜索到的一些图像,其中一些源自路口的机动车监视设备。由于拍摄时选择了不同的时间和角度,汽车牌照具有不同的光照条件和各自的倾斜度,并且特别选取了不同种类、颜色和新旧的的汽车,和车牌扭曲变形、笔画不清的拍摄对象,这都给研究增加了难度。应用本文采用的处理步骤,对数百张图像样本进行测试后获得了良好的识别结果,充分印证了本文算法的优良性能。