随着经济社会的高速发展、汽车拥有量的急剧增加,公路交通成为重要的交通运输途径,日益拥堵的城市交通需要更先进、更有效的交通管理与控制手段。利用电子信息技术建立智能交通系统(IntelligentTransportation System,ITS)来提高管理效率、交通效率,已成为当前交通管理发展的主要方向。车牌识别(License Plate Recognition,LPR)是智能交通系统的研究热点,也是影响交通系统智能化、现代化的关键因素。车牌识别涉及到数字图像处理、模式识别、人工智能等多门学科,其实施过程一般分为车牌的定位、牌照字符的分割和字符识别三个部分。本文结合纹理、颜色等特征以及形态学、神经网络等技术,对车牌识别系统进行了初步研究,主要工作如下:1.针对汽车牌照自动识别系统中图像效果差的问题,提出了一种基于盲解卷积的增强算法,并给出了一种纹理和颜色分析相结合的车牌定位方法。该方法利用车牌字符具有明显竖直纹理的特征,经边缘检测获取垂直边缘图,结合形态学及车牌固有特征,确定疑似牌照区域;同时在HSV颜色空间进行颜色分割,提取出满足车牌颜色特征的区域。2.采用Radon算法实现了倾斜车牌图像的校正,并设计了一种利用峰谷投影信息的字符分割算法。实验表明,借助牌照字符宽度、间距的固定比例关系等先验知识,利用垂直投影法对字符进行分割可达到较好效果,适用于复杂环境下拍摄的汽车图像。3.结合轮廓匹配法和改进的BP神经网络算法实现了数字字符的识别。针对BP算法存在的收敛速度慢、易陷入局部极小的缺点,分别引入动量因子和自适应学习速率对其进行改进。识别结果较好,整体识别率为96.3%。实验结果表明,本系统能较准确定位、分割车牌并进行识别,系统的性能良好。