随着计算机科学、图像识别、人工智能等学科的发展，复杂环境下的特定目标的识别研究己经成为当前科技发展的前沿，在日常生活和国防军事中具有重要意义。本文以复杂背景中车牌识别为例，对车牌定位、字符分割、字符识别三个关键环节分别进行深入的研究，并提出相应的有效解决方案。在车牌定位环节中，首先对车牌图像进行颜色模型转换、颜色量化、颜色滤波和边缘二值化的预处理。在此基础上，提出条件膨胀形态学运算算法和连通区域检测算法，然后根据设计的车牌区域判断标准逐一剔除伪车牌区域，实现一幅或多幅车牌的定位。最后，提出基于直线投影的车牌倾斜角检测算法，其优点在于：定位出的车牌图像中不需要包含比较清晰的车牌边框这一必要条件，弥补Hough变换的不足。 在字符分割环节中，首先对定位后的车牌区域彩色图像进行灰度化、直方图均衡化和最大类间方差法二值化的预处理。然后通过对车牌字符的粘连和断裂的情况分析，提出综合车牌多种特征基于聚类分析的车牌字符分割算法，实现对单排或双排排列的车牌字符的正确分割。在字符识别环节中，在对传统字符特征提取方法的局限性和PCA特征提取方法计算复杂度的分析基础上，将PCA神经网络应用于字符特征提取，根据重建的字符图像进行重建可信度分析，判断提取的字符特征的有效性；最后，针对字符图像的实际情况，结合遗传算法的全局寻优能力和BP神经网络良好的局部搜索性能，提出将二者结合的字符识别方法。