车牌识别技术是智能交通系统的核心技术，而车牌字符识别技术又是车牌识别技术中的核心，它在智能交通系统中起到举足轻重的作用。考虑到以往车牌字符识别方法借助于辅助硬件设备提高字符识别率而增加设备成本的缺点，本文研究了利用图像处理与模式识别技术进行多特征融合的车牌字符识别算法，降低了车牌识别系统的成本，且提高了字符识别率。本文的工作主要包括车牌倾斜校正、车牌二值化、车牌字符分割和车牌字符识别四部分。 　　在车牌倾斜校正部分，提出了融合Ho ugh与Rado n变换的车牌倾斜校正算法，该方法有效解决了Ho ugh变换无法校正无边框车牌和Ra do n变换计算量大的问题。在车牌二值化部分，提出了基于 HSV 空间的亮度自适应阈值分割法，该方法对光照过强、过弱或不均匀情况下的蓝白车牌图像均可以得到令人满意的二值化效果。在车牌字符分割部分，提出了边界距离矩阵，将边界距离矩阵应用到车牌字符分割算法中，使得本文提出的基于边界距离矩阵的连通域分割法不依赖于车牌定位的精确程度，很好地解决了汉字易分割错误的问题，且对噪声严重的图像也能得到很好的分割效果。在车牌字符识别部分，利用字符的密度特征、穿透特征、一阶外围特征和具有旋转不变性的ID-LBPV描述符提取的特征四种特征进行融合，采用支持向量机、分块投票表决法以及基于位置信息的模板匹配方法三级分类法来实现车牌字符的识别，该方法尤其是对低质量字符图像较以往的识别方法识别率有很大的提高。 　　本文建立了包含十个省市车牌图像的车牌库，上述四部分工作均利用车牌库在Matlab平台下进行了实验，并通过对比实验证明了本文算法的有效性和高效性，字符识别率达到90%以上。