车辆车牌自动识别系统是近几年发展起来的基于图象和字符识别技术的智能化交通管理系统,是目前国内外模式识别应用研究领域的一个热点,成为信息处理技术的一项重要研究课题。该系统一般主要由车牌图象的采集和预处理、车牌区域的定位和提取、车牌字符的分割和识别等几个部分组成,本文对该系统中车牌定位和字符识别的新算法、新技术以及系统整体设计做了一个比较全面的论述,同时针对目前国内外的研究现状,对这车牌区域定位和车牌字符识别两个关键技术进行了深入研究,主要解决了以下几个问题:一、在复杂背景的图象中准确而迅速地定位分割车牌区域;二、对车牌字符的识别能力得到有较提高。这二个问题的解决为车辆车牌识别系统的整体设计和实际应用创造了有利条件。在本文介绍的基于粒子图象测速(PIV)技术的车牌定位算法中充分利用了车牌中字符图象的两个边缘互相的特征,改进并简化了算法的实现,准确而快速地检出了车牌区域,实现了复杂背景中车牌的自动提取。另外,本文在字符识别过程中,讨论了字符特征向量的提取方法,提出了一种基于PCA-BP神经网络识别字符的算法,进一步提高了字符识别率。为了验证文中算法的正确性和实用性,本人在面向车牌定位和字符识别的图象预处理上作了大量的仿真,并与文中改进算法进行实验对比,实验证明,本文的改进算法对车牌定位速度的加快,对字符识别准确率的提高作出了有益的尝试,为提高车辆车牌识别系统的性能作出了自己的努力。