车牌自动识别系统通过图像处理和分析,管理海量车牌数据集,自动识别字符信息,在智能交通系统中占有重要地位。但对于实际拍摄中主观人为或者客观气候等原因造成的模糊情况,以往的字符识别算法并不能达到高效、快速识别的要求。本文针对模糊车牌识别的诸多问题展开探讨与研究。论文围绕完整的LPR系统,包含车牌图像预处理、车牌定位、字符分割、特征提取、字符识别五个基本步骤,尤其在字符的特征提取阶段采用具有尺度不变、旋转不变性的SURF快速鲁棒局部特征进行提取操作,生成BOS特征向量集,并且将动态索引结构的M-tree应用到模糊车牌字符匹配识别阶段,这种检索结构利用BOS特征向量集构建字符的特征向量概率树,再利用最近邻搜索方法中的基于欧氏距离度量准则计算特征向量集之间的相似性距离,建立M-tree,利用此M-tree与待识别字符的特征向量检索匹配。通过实际地区拍摄车牌,仿真实验结果进行统计,进一步验证M-tree动态检索方法有效解决了模糊车牌识别领域中由于字符笔划缺损导致难以正确识别车牌字符的技术难题,体现了该算法的鲁棒性、时效性,大大改善了模糊车牌的识别率,该设计思想具有良好的发展空间。