在图像处理和模式识别技术的日益发展、成熟下，人们对字符识别技术的研究越来越重视。本课题所研究的是高清图像中车牌字符识别技术。多年来车牌识别技术在国内外研究者的共同努力下，已经实现了很多突破性的研究成果。但由于交通设备应用环境的特殊性，实际拍摄中光照剧烈变化、车辆运动，加之牌照本身的清洁度等都增加了车牌字符的识别难度，影响识别准确率。本文通过对现有识别算法和难点的分析，并在此基础上进行了大量研究和新的尝试，对高清图像中车牌字符识别技术进行了实现。主要工作如下：1.对OCR相关技术进行研究，以及车牌字符识别背景分析。分析车牌预处理过程，重点研究了基于垂直投影和车牌先验知识的字符细分割算法。针对车牌字符识别的实际应用，比较和总结各种方法存在的优缺点。2.学习分析了字符特征提取和选择方法。针对国内车牌汉字难识别的情况重点研究了汉字的特征提取方法，采用一种基于正交Gegenbauer矩不变量的字符特征提取方法，实验证明Gegenbauer矩特征更优于Legendre矩特征。3.深入探讨了支持向量机方法。鉴于该方法存在的缺陷—在强调分类间距最大的同时没有像Fisher判别分析那样同时考虑类内散度尽可能小的问题，本文采用了一种新的非线性分类算法—Fisher和支持向量综合分类器（简称FSVC），并分析了其多类分类情况。4.实现了车牌识别在交通违章自动审核服务系统中的应用。现有交通违章事件生成后要靠人工审核，成本高且效率低下。将本文的车牌字符识别算法运用到交通违章自动审核服务系统中快速、自动审核交通违章行为和车牌信息，有效降低违章行为发生率。本文还将车牌字符识别算法运用到移动终端实现了一个Android平台车牌识别系统。