汽车牌照自动识别系统是目前交通部门十分重要的科研课题之一。由于国内车牌种类繁多，拍摄时所处的环境条件各异，给车牌的自动识别带来了很大的困难，如何满足各种条件下各类车牌的自动精确识别，仍然是一个亟待解决的问题。 本文收集到的汽车牌照是由数码相机在各路口模拟摄像头拍摄下来的各类彩色汽车牌照，以及从网上搜索到的某路口位置固定的CCD摄像机拍摄下来的一些汽车静态彩色图像，本文处理的对象是已从汽车图像中定位分离出来的牌照图像。由于拍摄时选择了不同的时间和角度，汽车牌照具有不同的光照条件和各自的倾斜度；并且拍摄过程中特别选取了一些运动中的汽车和损坏较多有笔画不清和字符粘连现象的汽车作为拍摄对象，这些都给研究增加了难度。 本文对车牌识别技术的研究主要包括三个领域：车牌图像的预处理、车牌图像的字符分割、单个字符的识别并显示结果。在预处理阶段，使用了基于牌照字符空间分布知识的牌照二值化方法，在二值化图像的基础上，利用字符与背景像素点所占比例将所有牌照都统一成为黑底白字的二值图像，提出了使用Radon变换来提取车牌图像的倾斜率，进而准确地校正车牌的方法，同时利用牌照二值图像的水平投影法来切除字符的上下干扰；在字符的分割阶段，充分利用了车牌标准的先验性知识，在垂直投影的基础上将牌照分割成为单个字符；在识别阶段，运用BP神经网络的原理，通过反复试验和比较选定了适合的参数和结构，顺利地进行了字符的识别。 我们通过对有代表性的近200张牌照进行处理，取得了98％的校正倾斜度效率，95％的成功分割和90％的字符识别率，证明我们采用的技术是比较成功和可行的。