支持向量机是近几年来兴起的一个新的模式识别方法。由于其建立在结构风险最小化准则之上，而不是仅仅使经验风险达到最小，从而取得较好的推广能力，已在很多领域取得了成功的应用。汽车牌照的自动识别是机器视觉与模式识别技术在智能交通领域的重要应用，受到了广泛的关注。因此，进行基于支持向量机的车牌识别系统研究具有一定的理论意义和实践价值。 本文选择支持向量机作为研究的方法，解决车牌识别中的问题。论文完成了以下工作： 1．提出了一种基于支持向量机的车牌区域定位方法，在实验中取得了较好的效果。 2．给出了两种二值化方法：迭代法和基于最小交叉熵的方法。并针对车牌图像的特点，改进了迭代法中的迭代系数的选择，使它具有较强的自适应能力。 3．基于投影函数并结合车牌知识的车牌字符的切分。 4．基于支持向量机方法，构造车牌字符识别的多类别识别器，提取字符样本特征训练识别器，然后对其进行了测试，并与其它方法做了比较实验。实验表明，取得了良好的识别结果。 5．在理论研究的基础之上，本文采用Microsoft Visual C++6.0编程语言对算法进行了实现，完成了车牌识别系统的软件平台。 本文研究表明：采用基于支持向量机的方法，可以有效地提高系统的抗干扰性和识别率。