铁路货车车号识别是图像处理与模式识别的重要应用之一。本文以实际应用要求出发，通过对铁路货车车号识别有关算法的研究，建立了基于机器视觉的铁路货车车号识别系统，提高了铁路货车车号识别系统的识别率。　　通过对图像的粗裁剪、数字图像的灰度化、分类二值化等预处理，将彩色图片中的彩色像素变成只有黑和白两色的像素，并对数字图像进行了两次分类，使图片的区分正确率达到了99％。　　在对图像筛选的基础上，通过对图片切分为一个车型区域和两个车号区域的分析，得到基于我国铁路车号的自身组成特点的基础上提出了一种新的切割方法——分类层次切割法，这种切割方法将车号切割为车型区域、车号区域1和车号区域2图像，使每个区域的切割正确率都再96%以上，提高了识别率。　　以图像切割为基础，通过分析现有的简单模板匹配和神经网络的方法的优缺点，根据铁路车号字符的多样性等特点，应用多模板匹配法对同一字符建立多个不同格式和样式的模板，得出字符的识别率到达了95.21%。　　在字符识别的基础上，通过对时间戳理论适用性分析，结合语音识别的特点，开发了铁路车号自动识别系统，不仅识别率达到了87.23%，而且识别结果生动直观。本文所获得的成果极大地提高了铁路车辆调度效率，对科学管理水平的提高具有重要的意义。