车牌自动识别系统是以汽车牌照为特定目标的专用计算机视觉系统。它的研究主要涉及到了模式识别和人工智能、计算机视觉、数字图像处理、人工神经网络等众多的学科领域。本文通过对车牌识别系统中车牌定位、图像预处理、倾斜矫正、字符分割、字符识别五个关键环节的分析研究,设计了一个完整的车牌识别系统,并在MATLAB环境下进行了仿真模拟。在车牌的定位部分,本文采用的是基于颜色特征和纹理特征的车牌定位方法。首先将彩色图片从RGB空间转换到HIS空间,利用蓝底白字车牌中蓝色的色度和饱和度S值较大的特点,实现了车牌的粗定位。然后再对粗定位后的图像利用Canny算子进行边缘检测,根据车牌部分图像黑白跳变频率较高的特征,最终实现了车牌的精确定位。在图像的预处理部分,本文将得到的车牌定位图像进行了灰度化处理,利用Otsu法将灰度图像转换为二值图像,并给出了一种灰度图像增强算法,对采集到的车牌图像进行增强处理;由于在实际中车牌的边框和上下铆钉会对车牌的识别工作形成干扰,因此在该部分中对车牌的边框和铆钉进行了去除。在获取车辆图像的过程中,由于摄像机和车牌之间角度的变化,经常使所拍摄的车辆图像发生倾斜,导致车牌扭曲和字符变形,给字符分割和字符识别带来极大影响。为此,文章研究了一种基于空间扭曲校正和Hough变换的车牌图像校正方法。在字符的分割部分,本文依据现行的车牌设计原则,利用改进后的水平投影法,将车牌图像分割7个待识别字符,并对分割后的字符进行了归一化处理。实践证明该方法对解决汉字的不连通问题、字符的粘连问题、噪声的干扰问题以及车牌的前2个字符和后面5个字符之间存在的小圆点问题是行之有效的。在字符的识别部分,采用改进后的BP神经网络,针对汉字、字母、字母或数字、数字四种不同的识别问题,设计了四种不同的分类器。利用13特征提取法进行特征提取,将其结果作为网络的输入,最后将不同的识别结果组合得到车牌号码。