车牌识别(License Plate Recognition, LPR)技术是实现交通智能化管理的一个核心环节。目前大部分的车牌目标识别技术都只是针对光照条件良好的情况,在自然场景中,天气的变化和全天光照强度的改变对车牌目标定位与识别带来了困难。针对这一问题,本文对复杂天气情况下的车牌目标定位与识别技术进行了研究。为了提高识别的准确性,论文提出了一种使用差分算子和改进Otsu算法相结合的阈值分割算法。首先,通过差分算子检测图像灰度变化较为剧烈的地方,然后再搜寻出与两类类内均值的平均值的整数部分相等的阈值,再把一个大的图像分割成若干小块,在每一个小块内用单阈值的方法进行处理。该算法能够很好地保留原图的边界特征,有效地改善了低质量图像识别准确率。论文在较为深入地研究FPGA技术的基础上,将车牌识别算法和FPGA技术相结合,建立了一种基于FPGA技术的车牌识别系统模型,该模型充分发挥了FPGA内部资源对数字信号并行处理的优势。在以上工作的基础上,搭建了车牌识别硬件系统平台。利用SOPC软件设计了Nios II软核处理器及其外设的硬件系统,进行了相关模块的设计,通过将Avalon总线构建的Nios II软核处理器和硬件描述的各项功能模块与FPGA芯片进行有机地结合,实现了数据的交互,验证了本文提出的车牌识别算法的有效性,提升了整个系统的处理速度。实验表明,本文提出的基于FPGA的车牌号识别技术有效可行,在复杂的天气条件下能够对目标车牌进行准确的定位并达到预期的识别效果。