随着现代信息科技的推进和汽车拥有量的急剧增加,智能交通系统中的车牌识别系统日益受到重视,成为信息处理技术的一项重要研究课题。该系统一般包括车牌定位、字符切分和字符识别三个环节,本文对系统的整体设计给出了一个比较全面的论述的同时,在车牌识别领域已有的研究成果基础上,对车牌识别中的某些关键技术,即车牌字符切分和字符识别进行了较为深入的研究。本文提出了依据车牌颜色和字符间距来区分民用车牌和特殊车牌的方法。本方法使用空间色彩信息和决策树C4.5算法,利用车牌字符间隔的差异以及车牌颜色的差异等信息进行车牌分类,达到在识别具体字符之前区分出民用车及特殊车辆进而准确切分的目的,并为提高判断准确率使用了基于颜色反馈的字符切分迭代方法。车牌类型判断位于车牌定位与字符切分之间,为字符的正确切分和识别提供了有力的帮助,在一定程度上提高了系统整体的车牌识别率。低质量的车牌汉字识别是字符识别中的一个难题,智能交通和模式识别技术的发展对汉字识别提出了更高的要求,传统的基于二值图的识别方法已不能满足人们的实践要求。本文采用基于灰度图的汉字识别方法,避免了在传统二值化过程中不必要的结构信息的丢失。本文采用基于Gabor滤波器的特征抽取方法,使得车牌汉字的识别率由过去的75%左右提高到95%以上;首度将局域二值模式(Local BinaryPatterns,LBP)算子运用于字符识别,使得车牌汉字保持高的识别率的同时,平均耗时有较大幅度的缩短;进一步,在已有的局域二值模式算子的基础上提出了改进的局部二值模式(Advanced Local BinaryPattern,ALBP)算子,使得汉字的识别耗时进一步缩短,约为传统方法的1/5。实验结果表明,本文提出的方法对低质量的车牌汉字具有较强的鲁棒性,在识别准确率和识别速度上都有了较大的改进。