随着科学技术与国民经济的发展,智能交通系统的研究成为近年来的研究热点,车牌识别系统是其重要的组成部分之一,它被广泛应用于道路监控、车辆管理以及高速公路自动收费等领域中。模糊推理是一种模仿人类处理问题的推理算法。其优点是处理问题时直接根据所给的模糊规则对问题进行求解,无需考虑所求问题的数学模型。此外由于其具有擅长处理模糊信息的特性,使其在众多领域都有广泛应用,如模糊控制,模糊神经网络、模糊决策等。　　 车牌识别系统依次可分为图像预处理、车牌定位、字符分割和字符识别这四个模块。本文在分析研究了模糊推理和国内外车牌识别系统的基础上,根据我国车牌的特点提出了一套基于模糊逻辑的车牌识别系统,通过实验仿真取得了较理想的效果。　　 本文的主要工作有:　　 1.在图像预处理中提出一种基于直觉模糊熵的图像二值化方法,并将其与传统的Otsu二值化方法进行比较,此外根据灰度图像中车牌区域的像素标准差在一定的范围内这一特征,提出一种基于标准差的车牌图像简化方法。　　 2.分别对基于颜色特征与灰度特征的车牌定位方法进行研究,根据其各自的优缺点将两种方法进行结合,提出了一种基于相似度的模板匹配定位方法。该方法通过构造车牌模板,计算出车牌中各候选区与模板的相似度,选取其中相似度最大值所对应的候选区作为粗定位结果。　　 3.对传统的三层BP神经网路进行了研究,针对其存在的缺陷,提出一种改进的BP神经网络,该方法是在已有的基于模糊推理的自适应学习率BP神经网络的基础上针对其规则获取方面存在的困难,提出了一种基于遗传算法的模糊规则自动提取算法,并将该算法与传统的BP算法进行了比较。　　 4.将上述的BP神经网络用于车牌字符的识别中,并对几种常用的字符特征抽取方法进行了比较。