将文字扫描得到的图片转化为文本文字,为我们提供了一种全新的文字输入手段,大大提高了用户的工作效率。并且用简单的几个字符就可以表达大量的信息,很方便地被人们接受和理解。产品的生产日期、药品的批号、图书馆的索书号、交通中的车牌号、邮政编码等等,这些标签符号的信息表达几乎渗透了人类活动的各个角落,标签字符识别系统的研究对人们的生活、工业、国防、医疗和科技等方面都具有重要的实用价值。本文研究基于人工神经网络的标签字符识别系统来实现汽车牌照的自动识别。本文的主要研究工作是利用人工神经网络中的BP算法来实现车牌中字符的识别,其中用到了图像分割、边缘检测、中值滤波、图像增强等图像处理关键技术。在车牌定位模块中采用边缘检测算法来实现车牌粗定位,考虑到车牌本身的宽、高比固定,车牌水平或垂直放置时的水平投影和垂直投影的乘积最小这一特点,通过计算最小乘积来确定牌照的最佳旋转角度从而实现精定位。图像预处理模块的核心是字符的切分,在此依据车牌字符的颜色跳变规律来确定字符区域,从而完成车牌上下边框的去除,利用垂直投影图进行字符串的切分。为了方便后续的识别,要对切分后的字符进行位置、大小归一化,将归一化处理过的字符送入车牌识别模块应用人工神经网络识别中的BP算法进行车牌字符的识别。仿真结果表明,该系统能够较准确地实现车牌位置信息的提取及车牌上字符的识别。整个系统的算法简单、复杂度低、能够满足快速识别的要求,将在智能交通、图像信息学等领域发挥实际应用价值。