近年来,随着国内机动车辆的大幅度增加,车牌识别系统的研究与开发显得越来越重要。对于车牌识别技术,人们已经提出许多新的算法与设计思想,但是还存在不少技术上的难点。例如：随机拍摄的图像由于高速运动造成的图像模糊恢复,复杂背景下的车牌定位与分割,倾斜车牌的矫正,污损字符及易混淆字符的识别等。论文针对这些难点问题,在理论和方法上进行探索与突破,提出一些切实可行的算法。论文主要就运动模糊车牌的复原、车牌定位、字符分割、字符识别进行了算法研究,具体工作如下：1)运动模糊车牌图像的复原。运动模糊使车牌图像信息的提取变得困难。论文提出一种改进的运动模糊复原算法,利用高通滤波算法判定运动模糊方向,提出一种变步长快速算法；利用边缘检测算法计算模糊尺度,最后通过参变维纳滤波对模糊图像进行恢复,对K值自动估计提出一种新的算法。2)汽车牌照区域的定位。提出一种基于数学形态学与自动行扫描相结合的算法,对低质量车牌能够较好的定位。首先对图像进行边缘检测,然后进行形态学运算,形成连通区域,按车牌长宽比进行粗定位；最后利用行扫描法按黑白像素点变换次数进行精确定位。利用Hough变换对倾斜车牌进行校正3)字符分割。首先将定位后的图像去除边框并归一化,这简化了车牌字符分割工作。结合车牌特点,计算归一化后图像中字符及字符间距的尺寸,确定每个字符的分割点。此算法不受环境因素的影响,分割率高。4)字符识别。采用BP神经网络,将分割出的字符直接输入网络,由网络自主提取特征,将训练好的网络参数保存,识别时读取该参数,输出识别结果。