随着人们生活水平的提高,汽车越来越多的走入千家万户。为解决越来越严重的城市交通拥挤问题,智能交通系统应运而生。车牌识别作为智能交通的重要组成部分,近些年来一直在不断的发展。尽管现在已经有诸多成果并且有产品面世,但是因为识别环境的千变万化,仍有许多学者在做进一步的研究。本文首先对车牌识别系统的现状和已有的技术进行了综合分析,明确了日本车牌识别研究工作的重点和难点。本文主要的研究包括车牌定位、车牌字符切分及车牌字符识别的算法。车牌定位部分中提出了基于AdaBoost结合梯度方向直方图(HOG)特征的方法进行定位,该方法较好的解决了光照不足,曝光过度,阴影,重影等车牌定位的难题;然后用相似连通元邻近个数和连通元长宽比的方法来对候选区进行验证的算法,进一步提高了系统在的定位准确率,该算法对于各种底色的车牌具有良好的适应性;车牌的二值化先采用Otus算法,对于车牌中存在阴影干扰不能正确分割的情况,采用改进的Bernsen二值化;对于车牌区域图像模糊的问题,提出了一种图像增强的方法来提高图像质量,使车牌中的字符易于被分割提取。在字符分割部分,针对样本中一些模拟相机低分辨率照片(4mm/pixel)且光照不均匀的问题,提出了AdaBoost结合HOG特征定位车牌中的大数字,然后根据车牌的比例特征分割其他字符的方法。本文在字符识别环节,提出了三种新的特征提取方法:对角笔画方向密度特征,网格对角笔画方向密度特征和基于网格的外围特征,这些方法充分挖掘了字符内外的形状特征信息,对于地名和平假名识别有很好的效果;并设计了一种基于SVM的多特征融识别方法。通过对8283幅日本汽车照片进行实验测试,系统总的识别率为97.8%,其中正确定位率为99.5%,正确分割率为98.7%,数字正确识别率99.6%,地名识别率99.3%,平假名识别率99.5%,平均每幅图像识别时间为1s左右。实验结果表明,本文改进和提出的算法解决了日本车牌识别在复杂环境下的车牌定位,字符分割和识别,可以满足日本车牌识别系统实际应用的要求。