随着国民经济的日益发展，各种车辆迅速增加，在改变人们生活便利的同时，也引发了许多交通管理和监控问题，智能交通管理系统能提高交通管理的效率，使之科学化、规范化。车牌自动识别技术是智能交通管理系统的核心部分。基于图像的车辆牌照自动识别系统一般包括车牌定位、字符检测、字符识别三个主要模块。车辆牌照自动识别系统的关键指标之一是字符识别的准确率和识别速度。 随着车牌识别系统应用范围的逐渐扩大，比如夜间车牌识别，高速路车牌识别等，对车牌识别系统识别速度和识别准确率都提出了更高的要求，因此就有必要研究如何在实时条件下提高系统识别准确率。 本文首先根据车牌汉字分辨率低，很难有效二值化的特点，使用Gabor变换直接提取灰度车牌汉字的图像特征。提出了自己的一些参数选取方法，解决了车牌汉字识别率低的问题。 车牌识别系统受环境影响很大，切分得到的车牌字符在特征空间中是以多聚类形式存在的，因此我们把多模板聚类方法用到了车牌字符识别中。提出了根据不同字符之间的关系的思想来定义新的类内类间距离公式，并提出了一种改进的准则函数。多模板匹配进一步提高了车牌汉字识别率。 多分类器集成是现今流行的一种模式分类方法。本文在比较现今流行的一些多分类器集成方法的基础上，结合现有系统中已有分类器的特点，提出了一种结合投票的置信度加权多分类器集成方法。根据多分类器集成需要，引入了最近邻分类器置信度估计方法，并提出了一种置信度映射方法，用来增强组成多分类器系统的各个基本分类器之间的置信度可比性。实验证明多分类器集成