随着我国经济与科技的快速发展，交通运输业取得了巨大的进步，汽车拥有量不断增长，这极大改变了人们的生活方式，但汽车在给我们生活带来便利的同时，也给城市的交通管理带来了巨大压力。在这个背景下产生的智能交通系统充分利用数字图像处理、自动控制和通信等技术，对整个交通运输状况进行全天候的自动管理和控制，成为了解决交通拥堵等问题的主要手段之一，其中的关键技术—车牌识别系统更是扮演着重要的角色。车牌识别系统在道路交通监控，高速公路自动收费，智能园区管理等方面有着广泛应用。这些具体的应用有效缓解了交通的拥堵，起到了节省人力成本，提高管理效率的作用。车牌识别算法主要包括三个部分：车牌定位算法，车牌字符分割算法，车牌字符识别算法。本文主要对其中的车牌定位算法和车牌字符识别算法进行研究。1.车牌定位算法。本文根据现有的来自于多个不同场景的车牌图像，研究设计出了一种车牌定位方法：基于多特征与多方法筛选的车牌定位方法。该方法是基于车牌丰富的垂直边缘和颜色并结合一系列严密的边缘点清除算法、车牌先验信息的车牌定位方法。首先使用Prewitt算子提取出图像的垂直边缘，接着利用车牌的颜色信息即车牌字符和背景固定的颜色搭配去除非车牌区域干扰点，然后再根据车牌区域横向边缘排列紧密且个数在一定范围内这个特点，清除掉了大量的干扰点。通过这两个紧密结合的边缘点清除方法之后，本文创新性地使用了一种边缘点连接法对边缘点进行融合，接下来本文对融合完毕的二值图像进行区域标记找出连通区域，然后根据车牌的形状大小，面积及车牌的周边信息、车牌的垂直投影特征等先验信息和AdaBoost算法筛选定位出车牌。最后对使用Hough变换对倾斜的车牌进行校正，精确定位出车牌的上下左右边界。2.车牌字符识别算法。本文尝试性地采用了决策树和随机树分类器、并根据它们的缺点使用了Bagging和Boosting算法进行分类器组合进行车牌字符的识别。本文根据车牌的字符排列布局特点设计训练了四个分类器，分别是识别第一个字符的汉字分类器、识别第二个字符的大写英文字母分类器、识别第三到第六个字符的数字和字母混合分类器以及识别第七个字符的数字、字母和特殊汉字的混合分类器，囊括了所有种类的车牌字符。本文所研究的算法都在MATLAB上进行了仿真实验，并使用多个不同的场合得到的图像进行了测试，取得了良好的效果。