汽车牌照自动识别系统是目前交通部门十分重要的科研项目之一，在交通部门的违章检测(电子警察)、高速公路自动收费和智能停车场管理等方面有着广阔的应用前景。从实际场景中切割出来的车牌图像，伴随着很多随机性干扰，所以处理时要尽量降低噪声的影响。车牌识别的难点在于倾斜校正和模糊识别。本文针对这些问题，提出了相应的处理方法，高效地完成了车牌字符的自动识别。 我的研究方向是车牌的自动识别系统，具体包括车牌图像的预处理、车牌字符的分割和车牌字符的识别三大块内容。 车牌的预处理包括去噪、增强、二值化、背景色的统一和倾斜校正等过程。预处理的难点在于倾斜校正，本系统采用改进的hough算法能准确地校正车牌图像的倾斜度。同时，针对车牌图像的预处理对灰度图像可以达到较好的处理效果，而且在一定程度上解决了由于外界光照而造成的车牌图像对比度低的问题。 车牌字符分割的难点在于噪声和字符粘连、断裂等对分割的影响，本系统采用对车牌区域垂直投影，同时利用回扫和车牌图像本身的特点，引进的先验知识不受字符的粘连和断裂的影响，有很好的分割效果。 车牌字符识别的难点在于受摄像机的性能、车牌的整洁度、光照等因素的影响使车牌字符出现较严重的模糊、缺损或污染，因此要求算法有较强的容错性和鲁棒性。本系统采用改进的BP神经网络模式识别技术作为识别的方法，以车牌字符作为识别对象，研究在干扰情况下的车牌识别问题，得到了较好的处理结果。 用数码相机拍摄到100多幅汽车图片作为实验样本数据，用纯软件的方法实现了车牌字符的自动识别，达到了98％的字符分割正确率和95％的字符识别率。