随着经济全球化和科技的发展，集装箱作为对外贸易最重要的货运方式，对其进行更好的监管很有必要。而随着图像处理技术和模式识别技术的不断发展，基于图像处理的集装箱号识别系统也应运而生并且处在高速发展阶段。　　本文研究图像处理模式识别系统的基本理论知识，详细阐述了集装箱号识别系统的结构组成，在前人研究的基础上，对集装箱图像的预处理、箱号定位、字符分割和字符识别这四个主要方面进行研究，主要工作如下:　　(1)图像预处理研究。针对去噪处理对后期箱号识别的影响的重要性，本文提出了一种新的方法将均值滤波、中值滤波和小颗粒去噪融合在一起，以尽可能消除噪声对图像后期处理的影响。　　(2)箱号的定位研究。在研究车牌字符定位的基础上，根据集装箱号本身的特点，本文提出了边缘检测和形态学处理相结合的方法，获得一个准确、稳定的定位结果。　　(3)字符的分割和识别研究。针对字符的分割，本文采用了基于投影直方图的方法。针对字符的识别，本文提出了一种新的方法，这种新的方法采用BP神经网络进行一次识别，利用模板匹配进行二次识别，其中特征矢量的提取采用十三点特征法;这种融合神经网络和模板匹配的识别方法，提高了系统的识别率。　　通过调用Matlab中的动态链接库实现与VC++的混合编程，将本文提出的方法与单一神经网络识别、单一模板匹配的识别率相比较，以验证该算法的有效性。最后，将本文设计的集装箱号识别系统在VC++软件平台上得以实现。