随着经济的快速发展，交通运输产业迅速发展，因此对智能交通系统提出了更高的要求。车牌自动识别系统是智能交通系统的核心组成部分，字符识别是车牌自动识别系统中的核心内容，而车牌汉字识别又是字符识别的重点和难点所在。近几年，国内研究人员提出了一些对车牌字符进行识别的方法。对于噪声小、干扰少的字符图像来说，取得了较好的识别效果，有一定的识别率。但是对于噪声比较大、模糊、变形及倾斜等情况下的字符来说，尤其是车牌汉字方面，并没有一个满意的结果。因此开展车牌汉字的识别方法研究，提高车牌汉字的识别率具有理论意义和应用价值。本文提出了两种新的图像预处理方法，结合离散型Hopfield神经网络的联想记忆功能，对车牌汉字识别进行了识别研究。首先，文章对Hopfield神经网络的基本理论进行介绍，并在此基础上设计了一个车牌汉字识别网络，初步验证了Hopfield神经网络的联想记忆功能。接下来针对干扰较大的车牌汉字，提出了基于连通域的图像滤波方法，送入网络后，取得了一定的效果。最后，针对有一定变形和旋转的汉字图像，提出了一种基于统计特征的图像消旋的方法，送入已训练好的网络后，大大提高了识别率。同时本文对经过预处理的待识别模式分别用Hopfield神经网络和模板匹配两种方法进行识别，发现Hopfield神经网络仅对有残缺的模式突显出其联想记忆的优势。