车牌是车辆的“身份证”,随着社会经济的飞速提升和科学技术的迅猛发展,作为人们代步工具的机动车数量也呈现出逐年递增的趋势,智能交通技术发展的背后,假牌套牌的制作与使用也呈现出一种跃跃欲试的状态。一些人为了一己私利,在假牌套牌上大做文章,这些不法分子的出现,扰乱了我们的正常交通秩序,致使一些正当民众蒙受冤屈。为严厉打击目前社会中存在的假牌套牌以及脏乱车牌现象,使车辆身份的识别研究具有重要的现实意义。车牌识别关键技术从总体上说分为三个大的步骤：车牌定位、字符分割、字符识别。本文综合应用支持向量机、模糊神经网络、粗糙集、主成分分析等方法对三大技术进行深入学习和研究,并提出了有效的改进方法,利用VC++6.0平台和Matlab平台实现了车牌识别过程中的某些关键技术。具体内容如下：在综合分析了车牌定位方法的基础上,本文提出了一种基于分形方差特征与数学形态学相结合的车牌定位方法,该方法首先利用大津阈值分割技术根据图像直方图自动选择阈值来实现车牌区域的自动分割,然后利用数学形态学腐蚀原理对图像进行腐蚀,最后通过提取局部分维方差的最小值的连通域来实现伪区域去除,从而得到感兴趣的车牌区域。上述方法不仅能够轻松排除大区域的干扰,对于小区域同样能起到很好的排除作用,为以后准确的分割、识别车牌字符奠定了基础。在字符分割环节,本文采用多阈值模糊熵分割算法。该方法首先将具有相同灰度的点合并起来,求得整幅车牌图像中每个像素点的平均模糊熵；然后选定宽度为w=c-a+1的正方形,不断改变阈值r,当灰度直方图中呈现多个峰值时,便可获得多个使平均模糊熵取得最大的阈值；最后采用该阈值对定位好的车牌图像进行分割。车牌识别是整个环节中的最重要一环。识别的关键在于分类器的选择和字符关键特征的提取。本文创建了一个车牌字符识别优化系统,对不同车牌字符进行分拣,首先对标准车牌字符采用改进BP神经网络的车牌识别方法对字符进行识别,其次对污损遮挡字符采用主成分分析图像重建特征提取与粗糙神经网络相结合、最小二乘支持向量机和基于p-harmonic模型的变分图像复原方法,实验证明该方法行之有效,在某种程度上解决了污损、脏乱字符的识别难题,从而为假牌、套牌车的识别提出了新的解决办法。同时,本文还对相似字符识别进行了相关探讨。以上方法的结合使用,提高了整个车牌识别系统的识别精度。