本文针对汽车牌照自动识别技术中的关键算法进行了研究。本文将牌照识别过程分为预处理、车牌分割、字符分割、字符识别四个阶段。 　　在预处理中本文采用了滑动窗口，并在滑动窗动内进行图像局部灰度拉伸和局部阈值化，阈值化的阈值是通过灰度直方图双峰特征来确定；车牌定位采用了比较常用的基于二值图像跳跃点检测的插线扫描法，车牌的倾斜检测中应用Hough变换直线检测法对经生态学细化的车牌二值图像进行车牌边框直线检测；字符分割采用了基于纵向投影图和先验知识的试探性分割法。字符识别中对汉字的识别采用字符二值图占空比分类法和最小距离法相结合的方式。对字母和数字识别中引入了特征向量，提出字母、数字字符特征的定义及其抽取方法，归类算法为树分类法和最小距离分类法相结合。 本文在最小距离法中的距离计算采用了分块计算，并在计算的过程中以字符图像分块为单位应用了序贯相似性检测算法(SSDA)进行合法性判定，最后再用最小距离法对合法的计算值进行判定归类，分块计算和SSDA的应用提高了字符识别的效率和屏蔽噪声干扰能力。在字模的建立中引入了基于车牌字符图像样本的统计概率，提出字模数据的概率加权，提高了识别的准确性和抗干扰性。