车牌识别系统是智能交通系统的核心组成部分,其主要可应用在交通监控、车辆管理等多种领域。它包括车牌的定位、车牌的校正、车牌字符的分割和车牌字符的识别四个模块,本文对这四个核心模块均进行了深入的研究。本文的主要研究工作和成果如下:1、学习和总结了车牌定位的常用算法,针对其在复杂场景中无法有效定位车牌的缺点,本文设计了一种在HSV空间下基于两次颜色标记和投影法相结合的定位方法,提高了车牌定位的准确率。实验结果表明此方法对光线强度、拍摄环境等方面变化有较高鲁棒性,且在复杂背景下的车牌定位效果依然很好。2、在倾斜校正中,设计了一种改进的旋转投影方法,预先判断出车牌倾斜的方向或幅度,再寻找投影的极大值来确定倾斜角度大小来完成校正,实验结果表明该方法校正效果较好,可以很大程度上减少校正时间。对于车牌上、下边框的去除,设计了一种统计区域内黑、白颜色跳变次数和投影法相结合的方法,对于车牌左、右边框的去除,根据颜色信息设计了一种判断与字符相隔距离的方法,实验结果表明该方法有效的去除车牌边框和环境背景。3、研究了车牌图像二值化问题,对大津法进行了改进,通过只对部分灰度区间进行遍历查找二值化阂值,加快了计算的速度并在一定程度上保证了二值化的效果。在字符分割中,设计了一种投影法与模板匹配相结合的方法,该方法对单、双行车牌的字符分割均适用,分割效果好,对噪声不敏感。4、总结了字符识别常见方法后,使用网格特征、笔画结构特征和笔画密度特征等作为样本特征,并采用了支持向量机的方法得到汉字和字母+数字两个分类器,实验结果表明可有效地识别车牌字符。