完整的车牌字符识别系统(License Plate Character Recognizer，LPCR)包含字符图像预处理、字符特征提取和分类器判决三个阶段。在这三个阶段中，选取何种字符特征和字符识别方法进行字符判决将影响车牌字符的识别率，对车牌字符识别算法研究有着十分重要的意义。车牌字符识别方法很多，本文将研究基于模板匹配和神经网络的车牌字符识别算法，具有重要的理论意义和应用价值。　　 本研究选题来源于和重庆港宇高科技有限公司合作开发的“车辆号牌定位分割和识别算法研究”项目(E2012-03)，改进基于字母和数字字符的字形特征的分块特征提取算法，针对相似字符易误识的特点，通过改进基于模板匹配方法的识别算法，达到能够准确识别相似字符的目的;对清晰度不高的字符难以准确识别的缺点，本文改进基于BP神经网络方法的字符识别算法，并通过仿真实验验证车牌字符识别系统的性能。主要研究工作包括：①对基于模板匹配和神经网络的车牌字符识别算法以及字符特征提取和分类的国内外研究现状进行阐述，描述特征提取、分类以及字符识别算法的一些理论和原理，并进行分析总结。②对特征提取算法进行深入研究，通过对常用字符图像特征提取方法进行研究和分析，并总结各种方法的优劣，本文提出改进基于字母和数字字符的字形特征的分块特征提取算法。③对基于模板匹配的车牌字符识别算法进行深入研究，通过原理分析和算法的流程设计，并根据算法的特性，本文提出改进基于模板匹配的针对相似字符易误识特点可以准确识别的算法，使整个系统既能满足处理时间效率的要求，并能达到一定的识别率。④对基于神经网络的车牌字符识别算法进行深入研究，通过原理分析和算法的流程设计，并根据算法的特性，在BP神经网络的字符识别算法的基础上，本文对清晰度不高的字符进行算法改进，使该算法能够达到一定的识别率⑤设计和实现车牌字符识别系统，在提高实时性的同时满足准确率要求。最后，对研究工作进行总结，并指出后续的研究方向，为进一步实验研究开拓了思路。