车牌识别(LPR)是计算机视觉和模式识别在智能交通领域的重要应用,是实现智能交通运输系统的核心技术之一。本文通过分析车牌识别的国内外发展状况及趋势,总结了目前车牌识别存在的一些不足和需要改进的方面,设计了基于模糊理论的车牌图像分割与识别系统。首先,本文通过分析模糊阈值分割算法以及车牌分割与识别的关键技术,提出了本文的研究方案;然后针对传统车牌识别系统受获取条件影响较大的车牌图像分割问题,提出了改进的基于模糊阈值的车牌图像分割算法,并通过大量的车牌图像分割实验证明了本算法很好的解决了低质量车牌图像的分割问题,分割效果能够满足车牌识别系统对于车牌图像分割的要求;最后本文提出了基于粗网格特征和投影特征的组合特征提取方法进行车牌字符的特征提取,并建立了基于BP神经网络结构的模糊神经网络进行车牌的字符分类识别。识别实验结果表明本文建立的车牌字符识别系统的识别性能良好,汉字字符识别率达到96%以上,字母和数字字符平均识别率达到98%以上,算法具有优良的鲁棒性和先进性。