车牌识别涉及数字图像处理，模式识别，人工智能和计算机视觉等技术，是实现交通智能化的关键环节，在智能交通系统领域有着重要的实用价值。本文在分析几种常用的车牌识别方法基础上，结合对径向基函数神经网络（RBFNN）及其算法的研究，设计了新的车牌识别系统。主要工作如下：首先研究了基于灰度图像的车牌定位方法和基于HIS空间进行彩色车牌定位方法。针对其耗时长，易受光照影响，定位率低等缺点，结合车牌的先验知识，采用扫描法统计车牌的蓝白像素，分割出合理的车牌区域，从而实现了车牌的定位，提高了定位速度和定位准确度，且不易受光照影响。其次研究了车牌字符的分割。对车牌区域进行了灰度化处理，运用Canny算子实现了边缘检测。利用Radon变换法对车牌进行了倾斜矫正，同时根据OTSU法确定阈值进行二值化；运用数学形态学处理去掉车牌边框和铆钉，采用投影法最终实现了车牌字符的分割，并进行了归一化处理。然后研究了车牌字符的识别方法。通过反向传播神经网络（BPNN）、径向基函数神经网络（RBFNN）和广义回归神经网络(GRNN)方法对车牌字符进行了分析对比，并研究了RBFNN学习中心的选取及RBFNN和GRNN的设计。利用果蝇优化算法对GRNN的参数进行了优化。最后进行了图形用户界面（GUI）开发，同时建立了车牌号码数据库，完成了整个车牌识别系统的设计。