车牌识别技术是智能交通系统中研究的重要课题之一,该技术可应用到道路交通监控、高速收费、停车场安全等到许多方面。经过国内外学者的不断研究,车牌识别技术已得到了很大程度的发展,并且取得了许多突破性的研究成果。本文采用一系列的方法实现了车牌定位、字符的分割和识别,并在字符识别阶段针对车牌字符识别率低的问题提出了一种新的统计特征和结构特征相结合的特征提取方法,该方法从网格化后的字符二值图像中的每个网格区域中提取出笔画的质心、占空比和重心三个特征向量,然后将提取出的特征应用到基于径向基核函数的Adaboost和(?) PTSVM(递归投影双联支持向量机)相结合的分类器中。车牌粗定位阶段,提出了一种基于纹理特征和轮廓分析的车牌粗定位方法；针对我国车牌类型多,底色不统一的特点,本文提出了基于车牌彩色信息和二值图像的车牌底色统一方法；在获取车牌图像时,由于各种不同的原因会导致车牌发生不同程度倾斜,本文还提出了基于车牌图像重心坐标的倾斜校正方法。在车牌精定位阶段,文中讨论了利用车牌边缘图像的水平投影来确定车牌上下边界的方法。字符分割阶段,分析了车牌中第二个字符和第三个字符之间间隔宽度的特点,并根据这一特点提出了基于相邻字符间隔宽度的车牌字符分割方法。字符识别阶段,针对分割出的字符图像大小不统一和中心位置偏移等问题,在特征提取前进行了大小和位置的归一化。特征提取时,提出了一种基于粗网格化的车牌字符统计特征和结构特征相结合的特征提取方法。字符识别时,讨论了基于Adaboost和PTSVM的车牌识别方法,并针对利用径向基核函数的支持向量机(RBF-PTSVM)分类器的性能会受到核函数参数σ的影响这一问题,在传统的Adaboost方法基础上提出了一种变σ的Adaboost和RBF-PTSVM分类器相结合的字符识别方法。实验结果证明,将文中提出的新的特征提取方法应用到变σ的Adaboost和RBF-PTSVM相结合的分类器中时,可以有效的提高车牌识别系统的整体性能。