基于数字图像处理与模式识别技术的车牌自动识别系统，作为智能交通系统公路交通管理的核心，自1988年提出以来受到了人们的广泛关注。它可以应用于公路和桥梁收费站、城市道路监控系统、港口和机场、治安卡口系统、大型停车场等车牌认证的实际交通系统中，以提高交通系统车辆监控和管理的自动化程度。针对车牌自动识别系统中最关键的车牌字符识别技术，本文主要就以下四个部分进行了深入的研究： 第一部分，论述了车牌自动识别系统的研究背景和意义，详细介绍了我国目前的车牌制作执行标准和车牌识别系统的应用现状，并分别从特征提取和具体识别两个方面论述了车牌识别系统字符识别技术的研究现状，指出了目前国内应用系统及其字符识别方法存在的缺陷和不足。 第二部分，阐述了小波变换的基本理论，包括小波变换的基本概念、多分辨率分析和Mallat塔式分解算法，并介绍了其在现有车牌识别系统四个核心阶段(即图像预处理、车牌定位、字符分割、字符识别)中的应用；论述了神经网络的基本理论，包括神经网络的基础知识、BP网络的基本结构、梯度下降的BP网络学习算法、加入动量因子和自适应学习速率的改进学习算法等，并介绍了其在现有车牌识别系统四个核心阶段中的应用。 第三部分，针对特征提取和具体识别两个环节，进行了简单匹配与小波匹配、模板匹配与神经网络两个对比实验；然后在已有车牌字符识别算法的基础上进行改进，提出了一种基于小波变换和BP网络的车牌字符识别新方法，即通过提取车牌字符水平和垂直投影的小波分解特征，利用小波匹配和BP网络对车牌字符进行了两级识别，获得了良好的识别率和识别速度；最后运用数学工具MATLAB 6.5实现了该算法，并对仿真结果进行了讨论。 第四部分，根据车牌识别的技术特点，设计了系统的总体流程框架，并在此基础上利用编程语言Visual C++6.0开发了一个基于Windows 2000操作系统平台的车牌字符识别实验系统，实现了我们提出的上述识别算法，取得了很好的实际效果，最后给出了具体的程序运行实例及相关分析。