随着交通智能化进程的推广,车牌识别系统在整个体系中有着越来越重要的地位。目前该技术有一定的成熟度,但是由于天气、光照、速度等不可控制因素,复杂背景车牌图像的识别依然有提升的空间。本文以前人研究成果为基础,对图像增强以及字符识别进行深入研究,提高车牌识别率。针对夜晚或雾天拍照的车辆图像,直接对其进行二值化,轮廓检测等操作,效果不佳。对此,本文提出一种基于小波分解和分数阶微分相结合的图像增强方法,分解图像层的高低频成分,结合分数阶微分掩膜算子,重构图像。该方法增强高频边缘轮廓特征,保留图像平滑区的低频特征,抑制较大噪声,改善复杂背景下的车辆图像质量。鉴于车牌定位的常用方法,采用基于边缘检测与形态学相结合的车牌定位方法,进行车牌定位。经过狄度化、图像增强、二值化等处理,结合形态学和边缘检测技术,确定车牌区域,并截取出车牌图像,进行车牌粗定位。采用基于Radon变换的倾斜校正方法,计算车牌倾斜角度,对车牌进行旋转,从而达到校正效果。利用水平和垂直投影,对图像的边框和铆钉进行去除,从而得到车牌的精定位图像。利用垂直投影和字符的几何特征,通过编程得到分割字符的坐标位置,准确的对车牌字符进行分割。对已分割的字符进行归一化和平滑化处理,采用模板匹配法和改进的BP神经网络算法实现字符识别,分析两种方法优缺点。BP网络设计对不同的字符进行分类,即汉字、字母及字母数字混合的三种分类器,完成对字符识别的过程。在MATLAB上对各个阶段的功能进行仿真,实验结果显示良好。