随着我国公路交通事业的迅速发展,智能交通管理系统已成为了人们关注的焦点问题。车辆牌照识别系统作为智能交通管理系统的一部分在桥梁路口自动收费、停车场自动管理及十字路口违章车辆自动记录等领域都有着广泛的应用。虽然车牌识别技术的研究已经有一段时间,但现有的车牌定位算法环境适应性差,在复杂背景下(比如:一幅图片中存在多个车辆,雨雪天气,阴天或夜晚等)存在着定位困难、识别准确率不高的问题。因此车牌识别算法的研究仍然是人们研究的热点,有着很深的现实意义。本文对车辆牌照识别系统中的三个主要技术部分进行了全面的研究。在讨论了国内外研究现状的基础上,主要完成了以下三方面的工作:首先,车牌图像预处理:包括光照补偿、彩色图片灰度化、小波滤噪、Sobel算子边缘检测、自适应选取阈值将图片化为黑白二值图等。并在此基础上,充分利用车牌几何和纹理特征实现了车牌的准确定位。本文中,根据车牌定位的实际要求,对之前人们采用的Sobel算子边缘检测和纹理相结合的定位方法进行了改进,将边缘检测分成了水平和垂直两个方向分别进行,试验表明,该方法定位出来的车牌,位置更精确,与车牌无关区域更小,适用于识别背景比较复杂的车牌。其次,字符分割。由于原来单纯用垂直投影法进行字符分割存在一个字符被分割成多个字符的可能。针对这一问题,本文中采用膨胀和腐蚀来突出车牌特征,并且多加了一条判别准则来区分字符是否被多次分割需要合并,或者没有分割开需要再次分割的情况,使得分割更为准确,有利于字符识别。最后,针对字符识别中由于单一的方法很难有效、准确的识别车牌字符这一问题,我们采用了改进的模板匹配和神经网络相结合的方法。该算法有效的将神经网络和模板匹配优点相结合,并在原模板匹配基础上,利用细化方法提出了字符中心像素加权的思想。通过对不同亮度下汽车牌照进行实验,证明此算法很好的结合了实时性与准确性。本文针对上述改进做了相应的软件识别系统,并进行了测试,实验结果表明上述方法是可靠且实用的。