随着计算机软件和硬件的快速发展,车牌识别系统发展的也相当迅速。但许多已经投入使用的车牌识别系统只能应用于某一种或者几种特定的环境下,当外界环境发生明显变化时,这些系统的识别成功率就会大幅度降低,这个问题也是很多已经投入生产的车牌识别系统应用范围受限制的主要原因。基于车牌识别系统在应用中遇到的一些问题,本文从与车牌识别有关的理论和算法入手,采用一系列的方法成功实现了车牌图片的获取、车牌字符的定位、车牌字符的分割以及车牌字符的识别等功能。在车牌字符的获取阶段,本文首先介绍了车辆图像的采集系统的构成。车辆图像采集完毕以后,对车辆图像进行了一系列的预处理,包括图像的灰度化、二值化等等。而后对图像中的车牌部分进行了定位,在车牌定位阶段介绍了对倾斜车牌的处理方法和车牌字符边界的确定方法等等。在字符分割阶段,本文详细的介绍了车牌中各个字符的字符宽度和字符之间间隔大小的特点,在已有的各种车牌字符分割的方法基础上,根据这些已知的车牌字符特点提出了具有先验知识约束的垂直投影分割算法,这种算法可以极大地提高车牌字符分割的速度和准确度。在车牌字符的识别阶段,本文提出了一种基于字符的统计特征和结构特征相结合的字符识别方法,并结合支持向量机算法(SVM)对字符进行识别,并介绍了支持向量机(SVM)的原理和算法中所用到的一些核函数的选择以及分类器的构建等。当车牌识别系统的所有功能都成功的得到实现以后,本文对系统进行了运行界面的设计和数据库创建。本文对以上过程中所用到的各种方法进行综述,并对相关的算法进行了一系列优化,然后用实验室采集到的车辆图片进行了一系列的测试,实验结果表明采用本文的支持向量机(SVM)算法进行车牌识别,可以有效地识别不同工作环境下的车牌号码。