在经济迅猛发展的环境下，智能交通系统面临着巨大的挑战。智能交通中，车牌识别系统也需要不断地改进。而相对修建更多的基础道路设施，通过建立相对比较完善的道路网络交通、加大力度推行智能交通系统，才是解决现今交通问题良好手段。随着智能交通的不断发展，车牌识别系统的也成为了比较热门的话题。本文将车牌识别分为四个部分，图像预处理、车牌定位、车牌分割和字符识别。在车牌预处理部分，对采集到的车牌图像进行灰度化处理。运用直方图均衡技术，进一步处理图像，最后使用中值滤波降噪，使图像能够提高质量，有利于识别系统的下一步处理。在车牌定位部分，综合对各种定位算法进行分析和研究，最终选择模版匹配的算法对车牌进行定位，为了更进一步提高效率，采用的是模版匹配的改良技术——加速匹配法对车牌进行定位。在字符分割部分，首先是对将定位的图像二值化，然后使用腐蚀与膨胀技术对其做进一步的处理，再使用垂直投影法将车牌图像中的字母、数字分割成单一的字符并对其大小进行归一化处理。是字符识别的前期的重要工作。在字符识别部分，首先是对各种识别算法进行比较分析，尤其是对BP神经网络进行详细的介绍，本文采用的是改进的BP神经网络学习算法进行车牌识别，并与标准的BP神经网络做比较，将改进的BP神经网络的优点以及效率有所体现。在本文中，也对车牌识别的各个流程做了相应的仿真，通过仿真能对车牌识别技术有进一步的认识，利用图像处理技术得到最终的实验结果与实验数据。