随着我国经济的发展、汽车拥有量的急剧增加,公路交通成为我国重要的交通运输途径,是国家大力发展的基础设施。日益拥堵的城市交通需要更先进、更有效的交通管理和控制。利用电子信息技术来提高管理效率和安全的智能交通系统ITS己成为当前交通管理发展的主要方向。车牌识别(LPR)是智能交通中关键技术之一。以自动的车牌号码识别为基础,可以对车辆进行自动登记、验证、监视、报警,进而可以应用在多种场合,如高速公路收费系统,道路、卡口监控系统,小区、停车场收费及监控系统,交通流量统计及交通诱导系统等。神经网络模式识别是模式识别领域的一个重要研究方向。与传统的模式识别相比,神经网络模式识别方法表现出来较强的自组织学习能力、容错性、鲁棒性以及非线性处理等优点,使得它在各个领域得到了广泛的应用。而车辆牌照的自动识别是计算机视觉与模式识别技术在智能交通领域的重要应用,是实现交通管理的重要环节。随着自动化水平的不断提高,在智能交通管理和监控系统中,人们对车牌识别系统的准确性要求不断提高,因此把两者进行有机的结合具有一定的理论意义和实践价值。本文选择神经网络模式识别技术作为识别的方法,以车牌字符作为识别对象,进一步研究在干扰情况下的车牌识别问题,以提高车牌识别系统的整体识别能力。本论文是基于图像处理和字符识别的相关理论,将计算机视觉与人工神经网络技术相结合,对车辆牌照识别系统进行了较深入的研究和分析。第一章论述了汽车牌照识别的主要几种应用技术和现阶段的发展动向。在第二章中,分别对模式识别和车牌识别系统的设计进行了简要的介绍。第三章分析了字符识别中预处理和特征提取方法。第四章着重分析了神经网络的理论原理和在字符识别中的应用方法。第五章是在前两章的理论基础上,详细介绍了车牌字符识别的实现方法和实验结果,利用粗网格、边框和笔划密度方法提取字符的特征,最后用神经网络的方法对所得的单个字符进行识别。实验结果表明,本位所采用的方法能达到较好的识别效果。从中可以看出:多种特征提取方法和识别技术有机结合能提高系统识别能力,在有效、实用的原则下将神经网络与人工智能技术相结合将成为模式识别研究的两个重要发展趋势。