随着我国社会经济的快速发展,人们的收入水平正稳步提高。伴随着城镇化的进程加快,汽车像其他常用家电一样,快速普及进个人家庭生活之中,造成每年的汽车保有量快步攀升,但我国的道路及相关资源供给没有随之大幅增加,这就产生了交通拥堵、环境污染、停车难等亟需解决的社会问题,这也在一定程度上制约了我国社会经济的良性发展。在无法短时间内提供大量道路资源及辅助设施的背景下,智能交通系统应运而生。智能交通是当下及将来交通运输系统的发展方向,能有效地解决我们当前面临的交通问题。车牌识别技术作为智能交通系统的重要研究课题之一,是智能交通领域的一个重要支撑点。本文主要研究复杂环境下车牌识别系统的关键技术,在总结前人研究经验和工作成果的基础上,对车牌识别系统的若干关键问题进行了深入探讨。具体如下：首先,利用改进的基于金字塔变换的图像增强算法进行图像预处理,增强图像的局部细节特征,从而减小环境和光照等条件变化对车牌定位的干扰;接着,通过二值化和数学形态学等图像处理技术,使其形成若干可能包含车牌的候选区,在此基础上设计了一种“先周边后中心”的车牌提取算法,以准确定位出车牌位置,进而提取出车牌图像。对在不同场景与环境条件下采集的车辆图像进行算法测试,该算法的车牌定位准确率为99.2%,平均定位时间0.309s;之后,对字符投影分割法进行改进,通过设计的车牌字符模板框进行字符分割；最后,利用SURF算法提取出车牌字符与模板字符特征点的SURF特征矢量,并使之进行特征匹配,通过最近邻次近邻法进行匹配对的提纯,将匹配点最多的模板字符作为结果输出。