车牌自动识别系统是智能交通系统中的关键技术,在信息采集、车辆管理、自动收费等领域有着广泛的应用前景。基于图像处理方法的车牌自动识别系统由于设备简单,易于维护等优点,是目前研究的热点。本文所收集到的汽车牌照是由数码相机在各路口模拟摄像头拍摄下来彩色图像,以及从网上搜索到的某路口CCD摄像机拍摄下来的一些汽车彩色图像。拍摄时选择了不同的时间和角度,汽车牌照具有不同的光照条件和倾斜角度;在拍摄过程中特别选取了一些特殊的车牌对象,如运动中的汽车;车牌损坏较多且笔画不清或字符有粘连现象的车牌。这些因素使得研究更接近于实际应用。车牌识别技术的研究主要包括三个部分:车牌定位、字符分割和字符识别。在车牌定位前,要经过图像增强、滤波、边缘提取等预处理,以降低噪声提高图像质量。针对车牌区域难以定位的问题,采用了一种基于梯度投影与彩色区域相结合的车牌定位方法,该算法耗时少,准确率高。为了得到车牌的倾斜角度以用于校正,采用了一种随机直线检测法寻找车牌的边框。相比Hough变换法,该算法计算量小,耗时少。在分析了全局阈值法和局部阈值法对图像二值化各自的优缺点后,采用了用这两种方法相结合的图像二值化算法。该算法不仅能较好的保留图像的细节,还能有效的消除伪影的干扰。在字符的分割阶段,充分利用了车牌标准的先验性知识,在垂直投影的基础上将牌照分割成为单个字符;在识别阶段,运用模板匹配的原理,通过反复试验和比较选定了适合的模板和结构,顺利地进行了字符的识别。本文所采用的车牌识别技术均在计算机上进行了仿真实验,实现了相应的定位、分割和识别功能。实验结果证明,这些方法能够较为准确地实现车牌识别,特别是对字母和数字的识别,且具有较好的鲁棒性。