车牌识别系统是现代智能交通系统的一个重要组成部分,本论文在分析前人算法基础上,提出和设计了一套新的基于最大稳定极值区域的车牌识别算法系统,主要研究内容如下:首先分析了最大稳定极值区域(Maximally Stable Extremal Regions,MSER)的基本算法及其思想和实现过程,针对车牌字符的特点,提出了对提取的MSER进行去重及初步清除的规则,以减少干扰的MSER数量,进而提高算法的效率。在车牌定位模块,首先根据MSER的几何关系,并结合车牌特点设计一套规则,对车牌进行粗定位。然后使用一种线性支持向量机(Support Vector Machine,SVM)分类器用于判断候选车牌区域内每个MSER是否为字符,所得结果用于对上一步得到的车牌候选区域进行精定位。最后提出了一种对候选车牌区域进行等级划分的方法,为后面的字符分割模块做准备。本车牌定位方案将车牌几何结构知识与内容相结合,改善了前人基于MSER的车牌定位算法的不足,提高了车牌定位的准确率。在字符分割模块,针对不同等级的车牌,提出了不同的字符分割方案,兼顾了速度和精度。对于一等车牌,可直接利用MSER的信息分割提取字符。对于二等车牌,则依次采用二值化、车牌倾斜校正和投影分割三个步骤来提取字符。与现有方法不同,每个步骤都利用了MSER的信息。首先提出了一种新的基于MSER的二值化算法,该算法可有效避免光照不均导致字符无法被提取的问题。在车牌倾斜校正步骤,根据被识别为字符的MSER中心位置进行直线拟合,得到倾斜角度,完成水平校正。最后将MSER信息与投影分割相结合的方法进行字符分割。实验表明,本文提出的分割方案能够准确高效的进行车牌字符分割。在字符识别模块,通过实验比对,采用了方向梯度直方图(Histogram of Gradient,HOG)特征。对于数字和字母字符,提出了一种分级识别的思想,兼顾了识别精度和速度。对于汉字字符,由于每块车牌只有一个汉字,所以直接采用了识别能力强的非线性SVM。最后,本文对不同天气,不同光照条件下的1000张车牌图像进行整体车牌识别测试,车牌识别准确率为95.1%,平均耗时为90ms,能够同时满足实时性和准确性的要求。