本文简要描述了车牌识别系统的总体结构，将其分为车牌定位、车牌识别两个部分，并对这两个部分分别进行了研究，重点研究车牌字符的特征提取和分类器设计，提出了不变矩特征提取法和RBF神经网络分类器。在车牌定位部分，本文采用基于车牌区域灰度纹理变化和行离差信息，并参考车牌区域的几何特征，讨论了一步定位法及通过粗定位和精定位两步定位法；车牌识别部分包括车牌字符分割、字符特征提取及分类器设计。字符分割采用了传统的投影法，并根据车牌字符粘连情况，采用字符块提取与投影法结合来处理字符粘连的情况，对于车牌字符倾斜，本文通过Hough变换对车牌预处理来解决。特种提取部分，采用了三种不变矩(Zernike矩、伪Zernike矩和小波矩)来提取字符特征，并对三种不变矩分别进行了研究和实例分析。在实例分析中，对各特征提取进行单独识别及小波矩和另外两种矩组合的特征提取分别进行了比较分析。分类器设计部分，本文在提出RBF神经网络分类器之前，对传统的BP神经网络分类进行了介绍，并通过实例比较分析了RBF神经网络与BP神经网络。