车辆牌照识别是智能交通系统(ITS)的一个重要组成部分，本文针对目前车牌识别算法的局限性，主要研究了复杂环境下的车牌识别技术。　　 本文首先介绍了车牌预处理和定位。针对复杂环境下的车牌定位问题，采用了一种基于形态学的车牌定位方法。该方法先对车辆图像进行预处理和二值化，然后用形态学方法对二值化后的图像进行一系列形态运算，将车牌图像分割为独立的小区域，根据车牌特性去掉较小的区域，并对保留的连通域进行标记，最后用车牌形状特性进行车牌定位，该方法可以有效的抑制噪声并定位车牌。接着介绍了车牌字符分割，由于车牌区域除了汉字之外，其它的字符都是连通的，本文采用基于连通区域的方法来提取单个字符。算法实现简单，而且可以在一定程度上消除预处理效果较差带来的影响，同时又可以解决车牌倾斜、字符粘连和断裂等问题。最后采用了基于Null Space PCA和改进的BP神经网络相结合的字符识别方法。该方法对预处理过的字符图像进行Null Space PCA变换以达到降维的目的，然后把不同位的车牌字符分别放入汉字、字母、字母数字和数字四个不同的神经网络分类器，用改进的BP算法进行训练识别。实验结果表明该算法具有较高的识别率。　　 本文结合理论和实践，对复杂环境下的车牌识别系统的各关键技术进行了设计和实现，对车牌字符识别技术的研究具有一定的意义和应用价值。