车牌识别系统(LPR)是智能交通系统的核心组成部分，广泛应用于交通部门的违章检测(电子警察)、高速公路自动收费和智能停车场管理等方面。车牌识别系统主要包含车牌定位、字符分割、车牌字符识别三个主要部分，综合了模式识别、人工智能、计算机视觉和数字图形图像处理等多个学科领域。车牌汉字由于笔划多，相对于字母、数字来说，目前识别率较低，因此，车牌汉字识别问题是车牌识别的关键技术难题之一，研究车牌汉字识别问题并提高其识别率具有重要的现实意义。 本文针对车牌汉字识别及相关技术进行研究，主要工作包括： (1)在对车牌汉字进行识别前需要进行必要的预处理工作，我们首先运用车牌的先验知识进行粗定位，然后采用Otsu阈值二值化方法等进行快速鲁棒的车牌区域细定位，获得完整、清晰的车牌轮廓，并采用回扫式字符切割方法，充分利用了车牌字符固有的特点准确找到各个字符的分割点，为特征提取奠定了基础； (2)提出一种优化的Gabor滤波器特征提取算法直接对灰度图像进行特征提取。利用车牌汉字图像的统计信息和错误识别率进行参数的筛选解决了Gabor滤波器组用在车牌汉字特征提取中的参数优化设计问题，保证了较优的识别性能，也避免了传统方法中因二值化操作造成的结构信息丢失，又能有效降低数据维度，同时Gabor滤波器提取的特征对光照、轻微旋转具有很好的鲁棒性。 (3)提出采用改进BP神经网络作为分类器的分类方法，针对BP算法存在的收敛速度慢、易陷入局部极小的缺点，分别引入动量因子和自适应学习速率对其进行改进。该方法可以使网络收敛到更优点，同时加快了收敛速度。 (4)采用面向对象的设计方法给出了车牌汉字识别的原型系统，从实际运行实验中验证了上述方法的有效性。