基于图像检测与处理技术的交通车辆识别系统是智能交通系统(Intelligent Transportation System, ITS)中提高交通运输效率、减少交通车辆犯罪等问题的基本手段之一。本文重点研究了基于图像检测与处理技术的交通车辆识别系统中核心技术之一的车辆牌照识别技术,对其涉及的车辆图像预处理、车辆牌照的定位、车辆牌照字符识别等关键技术进行了深入研究。论文首次提出了一种基于自适应权值与非线性自适应预测相结合的椒盐噪声去除方法,它首先预判图像椒盐噪声的位置,随后对图像边界像素噪声、非图像边界像素噪声、图像的非噪声像素进行分别处理,从而实现车辆图像预处理中椒盐噪声的去除。针对车辆图像预处理中高斯噪声的去除问题,借助原高阶偏微分方程模型的去噪思想,建立了一种基于极小曲面定理的高阶偏微分方程图像去噪模型,它在有效去除图像高斯噪声的同时保持了图像的细节,而且对于椒盐噪声也有抑制能力。研究了模糊集合理论,提出了一种专门针对于车辆图像的Ⅱ型模糊集二值化算法,它在Ⅰ型模糊隶属度的基础上,建立Ⅱ型模糊集,利用遍历搜寻在最小模糊度意义下的最佳灰度值作为分块后的图像二值化阈值,完成了车辆牌照定位的基础工作。分析了车辆牌照字符的纹理特征,设计了一种基于纹理分析的车辆牌照定位算法,它以二值图像为基础,利用改进的局域二值模式(Local Binary Pattern, LBP)算法进行图像的纹理分析,然后利用扫描法与投影法对车辆牌照进行定位。基于Freeman链码知识,构建了一种用于车辆牌照字符识别的一维多重隐马尔可夫模型(Hidden Markov Model, HMM),它通过提取字符水平投影、垂直投影、目标点质心倾角投影及字符目标点距离投影的状态链码作为字符的特征,以此特征训练一维多重隐马尔可夫模型,从而实现车辆牌照字符识别。在以上理论研究与数学推导基础上,通过计算机仿真验证了本文所推理论模型的可行性及有效性,为进一步的实际应用工作奠定了基础。