降质的车牌字符图像，不仅在视觉效果上难以满足人们的需要，往往也会给后期的识别、分析和处理过程造成困难，因此，改善车牌图像的质量，提高字符图像的清晰度具有重要意义。图像类推算法(Image analogies，IA)在艺术滤镜、纹理合成等领域取得了非常好的效果，IA算法也被用于超分辨技术中。本文提出了一种基于类推思想的车牌字符图像清晰度提升算法。根据目标字符图像的特性，构造训练集合，学习训练集合间的潜在规律，将人的感官量化为函数映射，使得目标字符图像的清晰度达到类似标准字符图像的效果。从模拟和实际拍摄字符的实验结果中可知：与经典IA算法相比，本文方法能够得到细节信息正确清晰的字符图像；在模拟字符图像中，与传统滤波器进行比较，本文方法能够有效的滤除噪声，也有效地改善低照度字符的亮度情况；在实际拍摄的字符中，与目标图像相比，处理后的字符图像能够得到更多的正确SIFT特征匹配点，有利于后期的图像识别及分析；对于人眼几乎无法识别的字符图像，可以利用本文方法确定出该字符，并得到视觉效果较好的输出图像。实验结果表明，该方法能够有效的去除噪声、改善低照度字符图像的视觉效果，并恢复出几乎完美的字符图像。