车牌识别技术是智能交通的重要组成部分，与传统的交通管理方法相比，在高速公路收费、交通管理等各个领域有着广阔的应用前景，对我国改善交通状况，实现交通管理的科学化有着十分重要的意义。 通过对图像处理知识、模式识别技术和神经网络技术的学习，本文从“车牌识别过程”这个角度出发，分别在车牌定位、车牌字符分割和车牌字符识别三个方面做了研究和论述。 首先，研究了国内外车牌识别技术现状，了解了国内车牌状况，并对国内的车牌识别技术进行了分析。其次，从实用的角度出发，设计了一系列的定位，分割和识别算法，并在用VC++ 6.0搭建的实验平台上实现，验证了算法的可行性。 在车牌定位这一步，从实用的角度出发，采用基于灰度图像的车牌定位方法。在定位中，采用Prewitt算子对图像边缘化处理；用迭代阈值法确定阈值来对图像二值化处理；再通过水平扫描和垂直扫描，并利用车牌先验知识，取得良好的定位效果。在分割前，用Hough变换进行倾斜校正，之后用简单的垂直投影法分割字符。在字符识别这部分，提出一种基于模板匹配的学习型算法，增强系统的识别能力。最后，对本文的工作进行总结，提出了需要完善和改进的地方，对进一步的研究进行了讨论。 通过对150幅图片进行实验，5位识别率达到了97.33％，六位识别率达到了92.67％，验证了算法的可行性。