车牌识别是智能交通系统(ITS)的重要组成部分，本文以汽车牌照自动识别技术作为研究背景，以静态车辆图像为主要对象，深入研究了计算机图像处理、人工智能、模式识别等背景知识，探索了用数字图像知识处理车牌识别的方法。 本文主要针对车牌自动识别系统涉及到的一些关键技术进行了研究，重点探讨了在较为复杂背景下的车牌定位、倾斜校正、字符分割以及神经网络识别字符的算法。 在车牌定位方面，本文根据SCW(Sliding Concentric Windows)方法和数学形态学方法提出了一种新的车牌定位方法。与其它方法相比，该方法对车牌在图像中的位置，拍摄的角度，距离，光照，车牌的背景没有太严格的限制，并能一次定位出图像中的多幅车牌。另外，算法的处理时间也满足实时性要求。基于该方法写成的论文已被IEEE international conference on fuzzy system and knowledge di scovery 2008接收。 在车牌字符的分割方面，本系统使用了有效的方法进行车牌倾斜矫正，图像的二值化操作以及噪音的消除。并通过对车牌的灰度投影图的分析有效准确地把车牌字符分割出来。 而在车牌字符识别上，本系统采用了BP(Back Propagation)神经网络做识别。通过了在输入特征，网络结构，训练样本上的学习与实验，在识别上取得了不错的效果。 本文用了120幅实地拍摄的图片作实验。通过实验表明，该系统能有效地识别复杂背景中的车牌。识别成功率达到80％以上。