在我国经济发展的带动下,高新科技已经逐渐产业化,科技产品和智能化产品已经渗透到生活中的各个方面,给人们生活带来极大的便利。据公安部统计,截至2017年底,全国汽车数量已达2.17亿辆,相较2016年增长了 11.85%。汽车数量的逐年增加,其带来的交通问题也日益突出,交通安全,交通污染和交通拥堵都是面临的主要问题。此时智能交通系统(ITS)应运而生。目前北京、上海、广州、深圳等城市都建设了方便快捷的智能交通系统,车牌识别系统作为智能交通系统的关键环节,也是目前众多学者研究的方向。车牌识别系统是智能交通系统的关键核心技术,研究人员对此领域趋之若鹜。本文在诸多学者的研究基础上,提出改进的车牌识别系统。支持向量机是一种监督学习模型,主要用于模式分类和回归分析,本质核心就是寻找超平面使类间距最大化,将分类模型转化成凸优化问题,对小样本高维特征具有较好的分类效果。本文提出的基于支持向量机的车牌识别系统主要由车牌图像预处理、车牌定位、车牌字符分割以及车牌字符识别组成。论文主要研究内容如下:首先,研究车牌自动识别系统所需的图像预处理技术,本文提出的车牌识别系统采用的预处理技术主要由图像灰度化、图像增强、图像降噪、边缘检测、图像二值化和形态学处理等部分组成。其次,分析研究我国车牌特征,研究三种常用车牌定位算法,基于纹理特征的算法、基于颜色特征的算法、基于纹理和颜色特征的算法。对比分析三种算法的特点,并在此基础上提出一种基于支持向量机的车牌定位算法,经实验对比分析得知,基于支持向量机的车牌定位算法优于其它三种常用定位算法。再次,研究车牌图像的预处理算法,研究常用的车牌字符分割算法,包括基于投影的算法、基于连通域的算法和基于模板匹配的算法。通过对三种算法进行对比分析并将投影法和连通域法的优点相结合,最终提出一种改进的车牌字符分割算法,经实验对比分析得知,该算法能成功分割粘连和断裂字符。最后,分析我国车牌字符特点和特征,研究常用车牌字符识别算法:模板匹配法、基于字符特征的字符识别算法、基于人工神经网络的字符识别算法和基于分类器的字符识别算法。通过对四种算法进行对比分析,最终提出一种基于Gabor变换特征和支持向量机的车牌字符识别算法,实验结果表明:本文提出的车牌字符识别算法对英文和数字的识别率高达95.3%。