汉字识别是模式识别中一个重要的研究方向，它在办公自动化、高速信息处理、机器视觉等多方面具有重要的理论意义和实用价值。在智能交通系统中，应用汉字识别技术，对汽车牌照进行自动识别，可以实现对车辆的监控和智能管理，具有广阔的市场前景。 本文首先介绍了针对车牌字符图像的预处理方法，包括规格化和二值化算法，根据实验效果对各种方法进行了比较，选取了适用性较强的双线性插值法和最大方差比分割法，应用到汉字识别的预处理过程中。 作者对车牌汉字识别的特征提取方法进行了研究，首先比较了多种基于统计模式识别的特征提取匹配算法，包括外围面积特征，网格特征和用于区分相似汉字的微结构投影特征。为了实现对模糊汉字灰度图的识别，提出了基于二值图形变动分析的模糊模板匹配算法及其改进方案。经初步测试，该方法取得了良好的识别效果。本章还对贝叶斯分类器，子空间模式识别和人工神经网络在字符识别中的应用进行了总结，可作为进一步研究的基础。 在车牌字符识别中引入了误识模型和多分类器集成技术。在实验分析的基础上，确定了影响系统识别性能的两个主要参数：首选距离及其与二选的距离差，并将其作为多分类器集成的判决依据。在实际系统中，我们使用了基于串行方式的两级识别器融合，车牌识别正确率达到了用户的要求，系统运行状况良好。 文章最后介绍了汉字识别的最新进展，并对其研究方向做了展望。