车牌识别系统是智能交通系统的重要组成部分,目前该技术已广泛应用于停车场收费管理、小区出入车辆管理、高速公路自动收费、路口车辆监控等领域。车牌识别系统是一个涉及图像处理、神经网络、模式识别等理论的综合课题,该技术可以极大提高车辆管理水平和效率,并能够节省大量的社会资源,因此有着巨大的学术价值与应用前景。车牌识别系统由车牌定位、字符分割、字符识别三个模块构成。本文基于数字图像处理与神经网络的相关理论,对车牌图像预处理、车牌定位、字符分割、字符特征提取、RBF神经网络字符识别等环节进行研究,并在MATLAB环境下进行了仿真实验。在车牌定位环节,首先对灰度图像进行灰度形态学处理来达到图像增强的目的,然后运用边缘检测与二值形态学组合的方法对车牌进行定位,最后根据车牌具有一定的宽高比等特征实现伪车牌的去除。在字符分割环节,首先运用Radon变换对车牌进行倾斜矫正;然后采用基于灰度跳变方法对牌照边框进行去除;最后,先用模板移动匹配的方法找到二三字符的间隔区域以将车牌分为左右两部分,然后用连通域与模板匹配相结合的方法分别对两部分车牌进行字符分割。在字符识别环节,首先对分割出来的单个字符进行大小归一化处理,然后对灰度字符图像提取Hog特征,最后运用聚类与遗传相结合的方法对RBF神经网络的结构进行设计,并用设计好的网络实现牌照字符的识别。本文最后利用MATLAB软件设计了一个车牌识别GUI界面,实验结果表明,本文设计的牌照识别算法具有较高的准确性。