本文主要研究了基于SIFT算法的车牌识别，车牌识别是智能交通领域研究的热点和难点之一。该系统主要包括车牌图像预处理、车牌定位、车牌字符识别三部分。车牌图像预处理部分：主要包括灰度变换、滤波处理、锐化、归一化等，给标准模板字符加一个0.8毫米的白色边框，并且对传统SIFT算法的参数进行了修改，实验证明，修改参数后的SIFT算法提高了车牌定位的正确率。车牌定位部分：首先用SIFT算法提取标准定位车牌的特征向量并保存，然后用SIFT算法提取待识别车牌的特征向量并保存，之后将标准定位车牌的特征向量和待识别车牌的特征向量进行匹配，最后根据得到的特征点匹配结果进行车牌分割。车牌字符识别部分：首先用SIFT算法提取标准模板中字符的特征向量，然后用SIFT算法提取已经定位出的车牌的特征向量，然后将向量进行匹配来得到识别结果。本文用OpenCV和Visual C++6.0搭建实验平台，采用宽高为21像素*42像素，分辨率是96像素/英寸的标准模板字符。实验结果表明，车牌定位的准确率为78%，车牌字符的识别率为：汉字100%，字母68%，数字52%。