基于数字图像的车牌识别技术是智能交通领域中的重要研究课题之一,在停车场管理、电子收费、城市交通监控等方面都有广泛的应用。经过多年来国内外研究者的共同努力,车牌识别技术已经得到长足的发展,取得了很多突破性的研究成果。但在错综复杂的交通环境中,不同车型、天气变化、光照变化、高速行驶、形变影响等因素的存在,使得车牌识别应用离理想目标仍有很大距离。本文通过对现有车牌字符识别算法和车牌识别技术难点的分析,对车牌字符识别进行了研究与实现。主要工作如下:1.提出了一种基于车牌图像重心位置的倾斜校正算法。该算法通过寻找图像倾斜后的重心位置来确定倾斜角度,与Hough变换相比该算法简单、高效,校正结果能够满足车牌字符识别的需要。2.研究了现有的车牌字符分割算法,提出了一种基于车牌先验知识和垂直投影的分割算法。该算法结合车牌字符先验宽度和投影像素数来判断字符是否分割正确,在分割的同时去除了杂乱点的影响,较好的解决了字符粘连、误分割等问题,有效提高了字符分割的准确率。3.利用概率显著性评价准则对字符特征进行显著性分析,选择最优特征集,并采用基于SVD和LDA相结合的方法进行特征提取,降低了组合特征向量的维数,通过特征向量投影变换使其能更好的区分不同类别,从而更有利于字符识别。4.提出了一种基于改进AdaBoost算法的车牌字符识别方法。该方法以高斯径向基为核函数的支持向量机作为分类器,在迭代过程中根据训练结果自适应的调整分类器参数。与传统的AdaBoost算法相比,该方法在模型选择和泛化能力方面都有一定的提高,同时避免了算法过早停止,更加适合车牌字符的识别。