车辆牌照自动识别是计算机视觉与模式识别技术在智能交通领域的重要应用,是实现交通管理的重要环节之一。它在高速公路、小区安全管理和停车场收费等项目中占有非常重要的地位。本文通过了解前人在车牌识别系统上的相关理论和技术,研究了相关车牌识别算法,并针对某些算法的缺点和不足进行了改进。字符定位是车辆牌照自动识别系统中不可缺少的环节。本文在前人研究的基础上,研究了一种基于分水岭算法的车牌字符直接定位方法,该方法充分运用了车牌字符之间的相关特征,直接进行车牌字符的定位,放弃了车牌识别技术中首先要对车牌定位这一步。实验证明,该方法在较复杂的环境下仍然能对车牌字符进行准确定位,并且解决了车牌识别系统中一图多牌的字符定位难题。字符识别是整个车牌识别过程中最重要的一环,识别的关键在于分类器的选择上。本文先对字符大小进行归一化,利用粗网格的方法提取字符特征向量,并把提取到的车牌字符特征向量输入到训练好的神经网络进行字符识别,在此基础上研究神经网络在车牌字符识别技术上的应用,并结合前人利用粒子群算法优化神经网络权值的思想,提出了一种新的神经网络的优化方法,在优化网络的权值的同时优化网络的结构,实验证明该方法行之有效,在某种程度上解决了神经网络隐层节点数目不确定性这个难题。