车牌识别系统是智能交通系统的重要组成部分,有着广泛的应用,同时也是计算机视觉、图像处理和模式识别等交叉学科的研究热点。现已经实现的系统还存在定位不准确、对倾斜角度过大的牌照不能进行有效地校正、对字符识别率不高且训练时间过长以及实时性不高等缺陷。车牌识别系统一般分为四大组成部分:车牌定位、车牌倾斜校正、字符分割和字符识别。本文对车牌识别系统的各种技术进行了深入研究,针对上述缺陷,完成了以下工作:在车牌定位环节采用了两种方法对车牌进行定位,方法一针对位于固定场所静态拍摄的车牌图像,将传统的基于边缘检测和形态学车牌定位方法进行了改进,通过有效的预处理方法减少了形态学步骤,提出用角点检测结合车牌先验知识快速搜索车牌区域;方法二采用车牌横向扫描定位车牌所在行区域,再用垂直投影法结合跨列扫描的方法快速定位车牌左右区域。对于车牌倾斜度校正,率先引入基于Canny算子检测边缘结合概率Hough变换的方法测出倾斜角,对车牌进行有效地旋转校正。针对车牌字符分割,结合车牌先验知识对其进行粗分割和二次分割。对于字符识别部分,本文根据车牌字符的特性,将识别系统分为四个不同的子系统,深入研究了贝叶斯分类器和模板匹配方法,改进了传统的模板匹配法对单纯的数字和字母两个子系统进行识别,提出模板匹配和基于二值数据的贝叶斯分类实现相结合的方法对数字和字母混合系统进行识别,针对汉字采用图像比对距离匹配技术进行识别。在专业工具软件开发方面,首次采用Visual C++结合OpenCV库针对车牌识别系统各流程进行编程设计。对于某些复杂的算法直接采用优化后的OpenCV函数,提高了算法的准确性和整个系统的实时性。实验证明,本文设计的系统在定位、倾斜校正、分割以及识别各部分都有较理想的效果,具有一定的实用性。