最近几年，智能交通系统的理论和应用研究在各国掀起了热潮。虽然目前已有较为成熟的产品，但由于一些人为因素或客观环境的不断变化，智能交通系统距离大规模普遍使用仍有很长的路要走。本文正是从这一点出发，着重研究智能交通系统中的核心内容车牌识别系统，使用经典理论小波分析对该系统中的车牌定位算法进行优化与提升，并结合BP神经网络对车牌字符进行分类识别。首先，本文通过研究小波分析理论与图像处理的关系及小波分析在车牌识别系统中的应用，提出了一种基于G分量小波变换的车牌定位算法。该算法有效地结合了小波变换与形态学运算，能在不同环境下准确定位出车牌区域，具有良好的实用性及鲁棒性；其次，本文仿真实现了基于小波变换的图像消噪算法，该算法能有效地去除车牌字符以外的背景噪声，降低字符粘连程度；最后，本文研究了一种结合小波变换与垂直投影曲线图的算法，该算法能有效地从水平切分后的车牌图像中切分出单个字符，具有良好的字符分割准确率。除此之外，本文对车牌识别系统中的基于BP神经网络的字符识别算法也进行了系统性研究，并取得了较高的识别率，具有一定的鲁棒性和实用性。