随着社会经济的不断发展和人们生活水平的日益提高,全社会对于交通运输的需求逐渐增大,而智能交通系统(ITS)在交通监管、控制及车辆管理等方面起着非常重要的作用。车辆牌照是目前车辆管理时使用的唯一标志，因此，车辆牌照识别系统在现代智能交通管理中发挥着极其重要的作用，具有较高的实用研究价值。车辆牌照识别系统中运用的关键技术有图像处理技术、车牌定位技术、字符分割技术和字符识别技术。在图像处理中，首先将获取的车辆原图像转变成灰度图像，采用灰度变换、直方图均衡化和数学形态学来增强转变的灰度图像，接着使用基于改进的中值滤波去除噪声，同时利用常用的几种边缘算法提取边缘，列举了三种图像二值化的方法。本文使用的是全局阈值中的Ostu法。在车牌定位中采用投影与车牌先验知识相结合的方法，其中先验知识主要是利用了标准车牌的几何特征，如高宽比、面积和车牌字符与底色之间存在灰度跳变的规律性，投影法分别使用了水平投影法和垂直投影法。在车牌字符分割中，首先使用Hough变换校正倾斜的车牌，它依据的是点与线的对偶性寻找长度最大的一条直线来得出车牌角度，然后再利用车牌先验知识字符长宽、总长和间隔，结合对字符粘连和间断划分，最后采用垂直投影分隔字符。在字符识别之前,分离出来的单个字符还要进行归一化操作，提取字符标准的特征，以便后面的字符识别。字符归一化包含了位置、大小和笔划粗细三类归一化，本文使用的主要是对字符的大小进行归一化处理。在字符识别方面深入研究了BP神经网络及其主要思想和算法，将归一化处理后提取的字符特征放在神经网络中进行训练，神经网络学习之后再对待识别的车牌字符进行识别。本文是在学习已有研究成果的基础上，对车牌识别系统的4个处理过程提出了一些改进。