车牌自动识别技术(Automatic Plate Identification Technology)是智能交通系统的核心技术,它可以实现交通管理的智能化,也加强了车辆检测系统的规范化。车牌识别技术的发展迅速,已经广泛的应用在车辆管理﹑高速公路收费系统和公路自动化监督系统中。而且基于图像处理的车牌识别算法在车牌识别技术中应用最为广泛。但是在现有的图像处理的车牌识别算法中,尚存在识别率低和识别速度慢等问题,尤其是在复杂背景下,由于光照和气候造成的车辆牌照图像模糊等问题,更是现在车牌识别算法中研究的重点。本文主要利用图像处理的基本知识,对车牌识别的中的车牌定位算法、车牌字符分割算法、车牌字符识别算法进行了分析﹑研究和改进。首先,本文设计了基于纹理特征的矩形排除车牌定位算法。该算法可以有效地解决在复杂背景下定位不够准确的问题,而且可以比较快速地排除非车牌区域,最后通过车牌的纹理特征来实现车牌区域的准确定位。其次,本文在针对去除边框铆钉和抑制干扰噪声的问题上,设计了基于边缘特征的跳变统计算法,该算法可以准确地去除边框和铆钉,为下一步的字符分割提供基础。同时,设计的像素值投影车牌分割算法可以有效地去除字符分割前的干扰,达到字符的准确分割。最后,在车牌字符识别算法的研究中,本文将传统的模板匹配算法和支持向量机算法相结合。这两种算法的结合可以弥补彼此的不足,尤其是支持向量机的字符识别算法在对缺损字符的识别中,可以达到较好的效果。改进后的字符识别算法在进行了大量的实验后,最后在车牌字符的识别方面获得了较高的识别率。