随着现代社会和经济的飞速发展,近几年我国机动车辆的数量大大增加,但我国的道路交通环境却没有相应提高,交通管理方式也相对滞后,这使得现代城市的交通压力越来越大。为了更有效地对城市交通进行综合管理,智能交通系统已成为城市道路交通现代化管理的主要发展方向。而涉及模式识别和计算机视觉的车牌识别是智能交通系统领域内的重要技术,是智能交通系统的核心部分之一。车牌识别的目的是在不给车辆加装其它特殊装置和不改变车辆的运动状态下实现对车牌的实时识别,进而实现方便快捷的管理交通。因此,车牌识别系统是实现交通管理智能化的最关键技术之一。一般来说,车牌识别系统可分为车牌自动定位、车牌字符分割、字符自动识别三个组成部分,对其研究主要涉及到模式识别、人工智能、计算机视觉、数字图像处理等众多领域。本文主要从车牌识别的关键技术出发,重点研究车牌识别系统中的车牌字符分割及字符识别算法,最后用数学软件MATLAB7.0实现了各个算法,通过实验结果展示算法的实用性和有效性。本文的主要研究内容如下:①在车牌字符分割阶段,提出基于病毒进化遗传算法的Otsu法对车牌图片进行值域选取,提高选取阈值精度。对比实验表明,本文的方法比Otsu法的二值化结果好。最后,利用车牌的先验知识和车牌的垂直投影图设计分割算法,得到较好的分割效果。本文方法能有效地减少对字符的错误分割。②在车牌字符识别阶段,利用不变矩提取特征和利用隶属度描述网络输出值后,采用基于代数算法的神经网络对车牌字符进行识别,避免了结构复杂的神经网络的缺点,充分利用了神经网络的优点,使得网络具有很强的不确定性信息处理能力,并使网络识别字符所消耗的时间大大缩短。实验证实该方法的识别率较高。对比实验表明,在车牌字符识别方面,基于代数算法的神经网络优于传统的BP神经网络。