车辆牌照自动识别系统是近几年发展起来的基于图形图像处理和字符识别术的智能化交通管理系统的一个核心组成部分,是目前世界范围内模式识别研究领域的一个热点。本文对车辆牌照定位及识别系统中的图像预处理、字符分割和字符识别等技术所涉及的新算法、新设计做了一个比较详细的论述。本文在图像预处理中采用了灰度图像二值化的算法和基于数学形态学的图像去除噪声的方法。基于数学形态学的图像去除噪声是通过对图像的开、闭操作有选择的去噪。可以去除直径小于字符笔划半径的孤立噪声点。本文在研究了车牌定位及分割的一些经典方法的基础上,采用基投影法的定位方法实现车牌的定位,利用了灰度投影法和连通域分析综合方法最终较好地实现了车牌字符的分割。本文重点对基于BP神经网络的车辆牌照识别技术进行了深入的研究和分析。首先介绍了汽车牌照识别系统的现状;其次对神经网络的构成以及相关的理论进行了讨论,着重分析了神经网络的理论原理和在字符识别中的应用方法并给出了实验结果。本论文结论如下:1、研究了车牌区域定位模块所涉及到一些预处理方法。针对车牌图象对比度增强的特点,设计了一段灰度变换函数,探讨了车牌图像定位模块所涉及到的车牌图像二值化技术。2、对车牌定位分割的一些经典方法进行了分类归纳,设计并实现了基于投影法的定位分割方法,设计的方法具有分割比较准确、运算简单的优点,适合实际使用。3、本论文利用神经网络技术,对车牌自动识别系统进行研究。在所拍摄的车牌照片中,先获取车牌位置,再把车牌的各个字符分割,提取出各个字符的特征,再利用BP神经网络进行识别,从而获取车牌号码。