随着我国经济的发展,高速公路、城市道路、停车场建设越来越多,对交通控制、安全管理的要求日益提高。智能交通系统已成为当前交通管理发展的主要方向。汽车牌照自动识别技术(License Plate Recognition,LPR)是智能交通系统中的一个重要环节,它不但可以广泛地应用于交通流量检测,而且还可以应用于交通控制与诱导,机场、港口、小区的车辆管理,不停车自动收费,闯红灯等违章车辆监控以及车辆安全防盗等领域。因此,具有广阔的应用前景。本论文就是在这种背景下,研究基于图像处理的汽车牌识别系统。车牌识别一般可以分为车牌预处理、车牌的定位、车牌的字符分割和字符识别四个主要部分。本文在分析近年来一些典型的车牌识别系统的算法基础上,最终确定了一套有效的车牌识别算法。本论文研究的主要内容和创新点包括:在车牌预处理阶段,本文首先对车牌图像进行图像灰度化和均衡化的处理,然后采用了一种新的去除噪声的方法——基于偏微分方程去除噪声。该方法步骤虽然比较复杂,但是可以很好的解决图像预处理中存在的平滑和保边界细节之间的矛盾问题。在车牌图像定位和提取方面,本文设计了2种车牌定位方法。基于颜色特征的车牌定位是在传统的投影分析方法的基础上结合HSI颜色空间中的H信息,将此作为车牌的特征,从而截取到车牌。基于灰度跳变特征的车牌定位则是利用车牌中字符的灰度变化来确定车牌位置。在车牌字符分割过程中,由于车牌字符分割中存在边框、铆钉和车牌旋转等问题,而这些问题又容易造成分割不准确和分割错误等后果。因此,针对这些问题,本文采用了一种新的字符分割方法——数字形态学中的连通区域法进行字符分割,并结合现有方法提出一个完整的、行之有效的字符分割方案。在车牌字符识别方面,本文首先对切割下来的字符进行特征提取,然后再利用所提取的特征值对神经网络进行训练,最后利用这个训练结果对其它车牌上的字符进行识别。按照本文所采取的步骤,根据上面所提出的方法对采集来的车辆图像进行试验,得到了良好的效果。