车牌识别技术是智能交通管理中的关键技术之一,已经成为相关领域的研究热点问题。虽然近年来车牌识别技术已经得到了快速的提升,但是该技术的发展依旧面临着诸多困难。因此,如何在复杂成像条件下获得有效的车牌识别,具有重要意义。本文以车牌为研究对象,围绕车牌识别系统中车牌定位、车牌二值化分割以及车牌识别三个关键问题展开研究,最终基于稀疏表达理论,构建稳定、准确的全自动车牌识别算法。本文的主要工作如下：首先,提出了多特征结合的车牌定位算法。该方法利用HSV颜色特征进行车牌的粗定位,在此基础上,利用Canny边缘描述特征进行多方向扫描,并使用车牌的丰富边缘特征实现对车牌的准确定位。实验结果表明本文车牌定位方法能够在汽车颜色与车牌底色相近的情况下完成对车牌的准确定位。其次,提出了改进型PCNN模型及其参数设定算法。该方法定义了图像灰度直方图灰度极值有效性的概念,完成了对预设定阈值参数及调制系数的确定。并将其用于车牌图像二值分割中,实验结果表明该方法对车牌分割清晰,目标一致性较好,能够有效提升后续提取的字符特征的表达能力和区分度。最后,提出一种免分割的基于结构化字典稀疏表达的车牌识别算法,充分利用车牌字符的先验知识,在构建车牌HOG特征整体结构化子字典的基础上,利用子字典系数的稀疏指示函数来完成车牌每个字符的分类识别,最后,将每个子字典识别的字符串联得到整个车牌的识别结果。在公开车牌测试数据集上的实验结果表明,本文算法不仅能在不影响实时性的前提下有效提高车牌识别率,还对多种不良因素有着较强的鲁棒性。并且由于不用进行单个字符分割,本文算法在简化了车牌识别步骤的同时提高了车牌识别算法效率,使得整体车牌识别更加高效。