车牌图像识别技术在智能交通和现代化车辆管理等领域中得到广泛的重视。本文围绕着车牌识别技术展开工作,分别在车牌识别中的图像预处理、车牌定位、字符分割和文字识别等几个方面提出快速可行的实现方法,尤其在文字识别上提出了新的理论方法。本文主要工作:理论方面:再将离散型Hopfield网络作为存储记忆器时,对信息模式的记忆性能是网络的重要指标,也是可以作为识别工具的基础。本文在信息模式矢量内积的基础上,得出了网络稳定点的判定条件以及信息模式可记忆的充分条件。同时,提出了通过引入网络虚节点,达到增强网络对所有信息模式的记忆性能的方法。应用方面:(1)通过图像的灰度化、二值化,将一般摄像机摄取图像转化为可操作的黑白图像,再对其进行边缘提取、中值滤波等方法变换,最终结合水平投影法和垂直投影法,完成车牌的定位和提取。(2)对于被提取的二值车牌图像,应用梯度锐化、去噪声、调整倾斜度等操作,规范车牌中的字符图像,然后,用逐差法分别提取字符。(3)将取得的字符进行统一大小的正规化变化,然后,对所有车牌数字进行Hopfield网络训练,将不可以记忆的模式通过增加网络虚节点的方式强化训练,使网络可以对车牌出现的所有文字进行记忆和识别。文章中提到的所有方法全部通过VC++进行编程实现。通过程序试验的结果,也验证了本文提出方法的实用性。