车牌识别系统是智能交通系统的核心技术,在实际生活中发挥着重大作用。虽然现在的车牌的识别率在90%以上,但是因为车牌识别的实际工作环境复杂譬如当车牌因泥巴或水雾等自然景物的遮挡而变得模糊时,就很难正确识别车牌。如何完成模糊车牌的正确识别对于提高系统的识别率有很大的意义。车牌识别包括车牌定位,车牌字符分割,车牌字符识别三个阶段。本文研究的内容包括了车牌识别的定位,字符分割,字符识别。车牌定位是车牌识别的第一步,本文中首先采用罗伯特算子完成边缘检测然后结合数学形态学方法定位车牌,这种方法在车牌背景不复杂的情况下可以实现准确的定位车牌;本文在字符分割阶段采用投影分割的方法实现车牌字符的分割;经过分割之后的车牌字符采用简单模板匹配的方法即可实现完成识别的整个过程。清晰的字符可以识别出来但是模糊的字符不能正确识别。如何处理前景遮挡引起的模糊车牌识别是本文研究的重点。本文提出首先采用基于透明度的改进抠图技术对模糊车牌字符进行处理,然后对处理之后的模糊字符采用简单模板匹配识别算法完成识别。在处理的过程中需要适当的人工交互,首先需要勾勒出前景和背景,也就是提供一个稀疏画笔图;然后针对图像上已知的任一点颜色I,求出该点的前景色F和α值。一般的景物提取计算出F就完成了提取操作,而本文中在求出遮挡前景色之后要进一步计算出背景的分量B也就是被遮挡的车牌字符,对于B进行灰度拉伸、二值化等的操作,进行模板匹配可以实现准确的识别。针对因前景遮挡引起的模糊车牌问题,采用本文提出的算法对模糊车牌图像在MATLAB环境下做了仿真实验。通过对处理前后的车牌图像进行了的识别结果比较分析,说明通过改进的自然背景抠图技术对解决因遮挡而模糊的车牌处理效果很有效,提高了车牌的识别率。