汽车牌照识别的问题由来已久，人们从上个世纪中后时期就开始把图像识别用于汽车牌照的识别上去了。随着时间的推移，人们对汽车牌照识别的认识不断的深入，提出了许多新的算法与设计思想，但是还存在不少技术上的难点。本课题研究的目的是，针对当前在车牌识别技术中的难点问题，在理论和方法上展开探索与突破，这些难点主要为：自然光线照明条件下，随机拍摄图像中的车牌定位与分割；边框破坏时的车牌方位倾斜、错切矫正；低分辨率、污损字符的分割；污损字符的识别；定位与识别速度的提高等。 车牌识别技术主要分成三个部分：牌照定位、字符分割和字符识别。无论是车牌的定位与分割，还是字符的识别，实现的速度问题始终是一个瓶颈。要达到正确无误的定位与分割，就不得不采用复杂的算法；但大量的计算又使得速度大受影响，有时甚至不能接受。尤其是在背景复杂、车牌大小与方位差异大的情况下更是如此。这些问题相互牵制，解决的难度极大。 本课题紧扣车牌图像的特征，扬长避短，综合利用有关理论和方法，收到了显著成效。具体如下： 车牌定位方面，根据眼睛的视觉原理，本文导出了“三基色分割阈值”公式，成功地用于极端复杂背景下的车牌分割。由于车牌在图像中的区域不大，结合车牌的特征，提出了“栅格划分法”的思想，快速剔除非车牌区域，达到缩小定位车牌区域，同时也实现了速度的提高。字符分割方面，运用“亮色互补的车牌二值化方法”，对边框受损、字符污染牌照的方位、尺度进行校正和字符分割，收到了良好的效果。字符识别方面，运用“分块匹配”，结合模糊决策理论，同时针对不同的模板字符集合来设计多重分类器，使模糊字符、受污损字符、变形字符的识别正确率达到92％；正常字符的识别率达到99.8％。