随着计算机和数字图像处理技术的发展，车牌自动识别系统已成为智能交通系统的重要组成部分。完整的车牌自动识别系统由图像采集、图像处理、模糊识别等模块组成，其中对一幅已知车辆图像进行预处理、车牌定位、车牌分割、字符识别、结果优化的过程简称车牌模糊识别。车牌模糊识别系统的关键技术在于数字图像预处理技术、车牌定位技术和车牌字符模糊识别技术。本文应用计算机数字图像处理技术、车牌定位技术、车牌字符分割技术、车牌字符神经网络识别技术等来解决车牌模糊识别问题。确定车牌模糊识别的环节与流程，根据各环节要求实现的功能，筛选方法和算法，对关键环节和算法通过实验，进行比较分析，对有关算法进行改进和确定算法有关参数。本文对车牌识别系统关键技术进行的研究包括：车牌数字图像处理技术、车牌定位技术、车牌字符分割技术、车牌识别特征提取、基于人工神经网络的识别算法与优化的研究等。数字图像处理技术的研究包括：灰度化、消噪、二值化、图像分割、倾斜校正、归一化。利用HSV颜色空间和彩色纹理分析相结合的车牌定位方法是充分利用车牌图像提供的彩色信息，构造出5级灰度图进行分析和定位车牌。在车牌字符分割中充分利用了车牌的先验知识，利用垂直投影特征值准确分割出字符。分析了多种字符特征提取算法，比较了它们的优缺点，对识别对象采用了粗网格特征提取的方法并进行了归一化。对神经网络的构成以及相关的理论进行了讨论，着重分析了BP神经网络在字符识别中的应用方法，设计了BP神经网络分类器，提取车牌字符的全部特征输入到神经网络，对BP网络的输出进行了二进制编码，隐含层节点数的确定采用了初定隐节点数的经验公式，大大减少了迭代次数，降低了网络规模并提高了车牌识别的速度。本文介绍了车牌识别系统软件设计的实现方法，对运行实例进行描述。由实验结果，本系统能较准确定位、分割车牌并进行识别。在车牌识别系统中，由于实际使用条件的影响，存在着许多不利于识别的因素，这些都对图像处理和识别算法提出了很高的要求，适应性更强、速度更快的识别算法会直接提升车牌识别系统的性能水平。