车牌识别技术可以应用于道路收费、交通管理等领域，起到节省人力成本、提高效率、改进管理体系等作用。随着我国汽车数量的迅速增加，车牌识别技术呈现出巨大的经济价值和现实意义。 目前车牌识别系统国内已有成熟的产品，但这些产品要在光照充足，车牌干净等前提下才能达到较高的识别率，因而对于实际工作环境的适应性较差。本文致力于解决因天气、光线、路况所造成的车牌模糊现象的车牌识别问题，以使得识别系统具备更强的环境适应性，并完成了静态车牌图像识别软件的开发。通过对搜集到的不同地点、时间、天气的模糊车牌图像进行检验，证明该系统具有较好的适应性，具有实际工程应用的价值。 本文对车牌识别系统的车牌定位、字符分割和字符识别进行了系统的研究。对车牌定位，论文研究了纹理分析和灰度垂直投影相结合的粗定位算法，先把图像转换成纹理图，利用车牌区域纹理丰富的特点找到各个类似车牌的区域，然后对这些车牌候选区域采取垂直方向的灰度投影来判别真伪车牌，获得唯一的车牌区域。为了克服粗定位存在的定位精度不高的问题，本文提出并设计了闭环反馈的控制器来改进纹理分析算法。在字符分割方面，提出了间隔符区域匹配的方法获得分割起始位置、并以二值图像垂直投影寻找极小点结合车牌制式先验知识的算法，以消除车牌左右两端定位精度对字符分割的影响。针对模糊车牌汉字难以识别的问题，本文提出了基于分形维特征的神经网络识别算法，应用汉字图像分形特征值训练B-P神经网络，仿真结果表明该算法对模糊汉字的识别具有很好的效果。而对于字母和数字，则采用拓扑分析和模板匹配相结合的方法进行识别。