汽车牌照识别(CarLicensePlateRecognition，CLPR)是智能交通系统实现的关键技术，在自动收费、车流监控、电子警察等方面有着广泛的应用。目前牌照识别技术在近年有了飞速的发展，国内也推出了一些实用的系统，但由于问题的复杂性和困难性，目前仍存在一些需要解决的问题，如一般的车牌识别系统只着重于常规车牌的理解和识别，而较少考虑格式和一般牌照不统一的军、警特种车牌，由于我国的国情，实际上存在大量的此类特种车牌。因此，对特种牌照识别方法的研究，对于完善牌照识别系统，实现公路交通的自动控制与管理具有重大的意义。考虑到特种车牌在牌照大小，牌照字符位置及秩序排列等方面与一般车牌的差异，本论文对车牌的定位、字符分割等技术方面作了深入的研究，并结合具体应用，提出了一些新的方法。 论文主要内容包括以下几点：在车牌定位方面，提出了运用数学形态学的方法来确定车牌区域，根据大量实验结果给出了适合车牌定位的结构元素。此方法不仅能够很好地处理由单行字符组成的车牌，同样也可适用于由双排字符组成的车牌，对于车辆距摄像头的距离不同，造成所摄牌照区域大小有差异的情况，也能很好地处理，显示了较好的应用前景。由于结构元素的大小和车牌中字符的大小存在一定的关系，因此为了进一步提高基于形态学的车牌定位方法的精度和适用性，应尝试运用自适应的形态学处理方法来处理。 在车牌字符切分方面，充分利用特种车牌的先验知识和基于轮廓垂直投影分析的方法，提出基于区域分裂与合并的字符切分方法。同时对特种车牌进行了分类，依据不同类别车牌的字符数目、字符位置排列的不同，将特种车牌分为四类，进而分别处理。实验结果表明此算法具有较高的准确率。 在车牌字符的识别方面，把基于Fisher最佳鉴别变换的最佳鉴别矢量特征的方法运用于字符的识别上，并提取了车牌字符的具有不相关性的最佳鉴别特征。由于特种车牌字符数量有限，特别是汉字字符数量少，属小样本问题，故提出采用基于领域的降维方法来降低原始图象的维数。实验结果表明此对数字字符具有很高的识别率，对英文字母字符的识别率略低于数字字符，而对汉字字符的识别由于样本数量有限，故识别率较低。