近些年数字图像处理和模式识别已经广泛应用到交通监控管理(车牌识别)、支票的识别、医学图像中的癌细胞识别、遥感图像识别等诸多领域,模式识别已经成为当今时代重点研究的技术之一。集装箱作为国际运输业的重要组成部分,其应用范围和数量都在大幅度的增加,目前我国的集装箱运输呈现出了飞跃式的发展,货物量的大幅度增加给集装箱的追踪和统计提出了更高的要求,使得智能集装箱识别系统的研究和开发也成为了图像处理和模式识别领域的热点。本文从图像处理与模式识别技术的理论知识出发,详细阐述了智能集装箱识别系统的结构组成,对系统进行仔细的研究,从图像的获取(从摄像头采集的视频中取图像)开始,通过箱号图像的预处理、箱号字符区域定位、矫正及字符分割到特征提取和字符识别。主要工作如下：(1)预处理阶段针对夜间图像亮度低、对比度差的特点采用对比度拉伸和直方图均衡相结合的方法对夜间图像进行了单独处理,结果是白天和夜间图像都能较好的进行二值化。(2)针对箱号字符的扭曲和倾斜的问题,使用箱号折痕矫正和字符校正相结合的方法,很好的矫正了集装箱表面的折痕以及图像的几何倾斜。(3)针对集装箱箱号字符特点,采用粗定位和精确定位相结合的方法做箱号定位。(4)对于字符的分割,本文用三种方法做了实验,分别是彩色图像分割方法、投影直方图分割方法、基于区域增长的分割方法。通过反复实验和分析,选用分割较好的基于区域增长的分割方法分割字符。(5)分别建立了数字网络、字母网络、数字-字母网络对字符进行识别实验。从测试的结果分析影响误识率原因,结合基于字符结构特征识别方法的优缺点,最终采用BP神经网络一次识别与将易混淆的字符放入二次处理库,用基于字符特征的识别方法进行二次识别,确保识别结果的可靠性。(6)在Matlab2010b下针对所采集到的图像进行了识别实验,实验结果表明,识别率较高且有实际应用的前景。