车牌识别技术的任务是分析、处理汽车图像，自动识别车牌号码，它主要包括车牌定位、字符分割和字符识别等三个方面的内容。由于车辆牌照号码对于车辆就相当于身份证和每个公民的关系，它们是一一对应的，所以车辆牌照自动识别系统可广泛应用于交通流量检测，交通控制与诱导，机场、港口、小区的车辆管理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等一切需要对车辆进行管理的场合，它是信息处理技术的一项重要课题。目前，各个国家都把车辆牌照自动识别系统作为智能交通系统最先投入应用的系统来开发，因此，车辆牌照自动识别系统具有广阔的应用前景。 在汽车牌照识别技术中，牌照定位技术是整个车牌识别技术中的第一道程序，牌照定位准确与否，直接关系到后续工作能否顺利进行以及识别的效果，但是由于牌照可能受天气、背景、磨损等外界干扰因素的影响，往往会造成得到的图像模糊，牌照区域不明显，给牌照区域的提取带来了较大的困难，因此，汽车图像中牌照的正确定位是车牌识别技术中的关键技术和难点所在。 本系统中车牌定位主要分为车牌的粗定位和车牌细定位两个部分。其中车牌的粗定位包括彩色图像到灰度图的转换、求灰度图的水平边缘、灰度图二值化、寻找最优的候选位置和水平校正等五个方面的内容；车牌的细定位包括上下边界校正和竖直倾斜校正两个方面的内容。 在车牌的粗定位中，提取出了一种基于数学形态学滤波的方法，根据车牌的形状大小、纹理特征等米定位车牌的最优候选位置；在车牌细定位算法中，提取出了一种基于改变车牌图像上下线形畸变比例的方法进行车牌竖直倾斜校正。 本系统从车牌图像的本质出发，充分利用图像的先验知识，比如尺寸、纹理信息等，不但能突出车牌区域，而且还有能滤除非车牌区域的特点，算法简单实用。 所谓字符分割就是把所提取的车牌区域图像分割成单个字符的图像，字符分割问题仍然属于图像分割问题。因为正确的字符分割是特征提取和模式匹配的前提，并且还直接关系到字符识别能否进行，所以，正确的字符分割是字符识别的关键之一。 根据车牌字符串结构特征，考虑到算法的实时性和适用性，选用了一种基于模板匹配的OTSU算法米对车牌进行字符分割处理。将车牌字符串看作一个模板，而这个模板的特征有两个，一是模板大小是一个特征量：二是模板内字符区域边缘最丰富，而字符间隔区域理论上没有边缘(原点除外)。而这两个特征就是车牌起点定位的依据。经大量实验证明经过本算法分割后得到的字符，很少出现字符错误分割和出现较大误差的情况，因此，这种算法具有快速性和准确度较高的特点，算法简单实用，能够很好的完成车牌中字符分割的工作。 整个牌照识别系统的最后一步是车牌字符的识别，这一环节准确率的高低将直接影响到识别结果的正确性。目前，字符识别主要有基于模板匹配的字符识别算法、特征匹配法和基于神经网络的车牌字符识别算法等三种方法。本文选用BP神经网络进行字符车牌识别，经过大量的试验，结果表明该方法准确率较高。 在上述研究的基础上，设计、实现了车牌的识别，系统执行效果较为理想。