随着经济与技术的发展,尽管在全世界的许多地方仍将建设更多的基础设施,但它已不是解决交通运输紧张的唯一办法,面临越来越拥挤的交通,有限的资源和财力以及环境的压力,建设更多的基础设施将受到限制,因此国际上自90年代以来更多的是将电子信息技术引入道路运输系统,进而扩展到铁路和航空的管理和信息交换,称之为智能运输系统(IntelligentTrans-portSystems,缩写ITS)。利用ITS提高运输效率,保障安全和保护环境,已成为未来交通运输的发展方向。车牌识别系统作为智能运输系统的重要组成部分,在交通违章检测、高速公路自动收费和智能停车场管理等方面起着重要的作用,近年来已成为一个研究热点。车牌识别系统一般包含车牌定位、字符分割、字符识别三个主要模块。本文研究了车牌自动识别的各项关键技术,包括车牌图像预处理、车牌定位、车牌字符分割和字符识别,完成了整套的算法软件,并进行了大量实验。车牌图像预处理对于后期的车牌准确定位和正确识别是至关重要的。本文在对牌照图片进行各种综合处理的基础上,总结出将车牌图像经行灰度化、中值滤波、对比度拉伸等预处理方法,很好的消除了图像的噪声;在车牌定位部分通过对车牌特征和定位技术的深入研究,实现了车牌多特征与数学形态学相结合的车牌定位方法,提出了改进的中值滤波,能够准确的提取车牌区域;在车牌字符分割前,对车牌进行二值化,期间运用高帽运算(top-hat),很好的保持了牌照中字符笔画的完整性,之后又采用Hough变换对车牌进行倾斜校正。在车牌字符切分环节,采用模糊模板匹配和字符垂直投影相结合的策略,有效的完成了字符的切分。在字符识别部分,运用改进的BP神经网络算法实现字符识别,实验证明本文提出的算法抗噪能力强、有较高的识别率。