粗糙集理论以信息系统为研究对象，能有效地分析和处理不精确、不一致、不完整的信息，从中发现隐含的知识，揭示潜在的规律。车牌的自动识别是实现交通管理智能化的核心技术，在车牌识别的过程中存在着大量的不确定信息。因此，进行基于粗糙集理论的车牌识别系统的研究具有一定的理论意义和实践价值。本文完成了以下工作： 1、对车牌的分割算法进行了研究，提出了基于边缘检测和基于字符纹理的车牌分割算法。实验表明，通过综合运用上述两种算法可以有效的从车牌图像中分割出牌照。 2、根据实际情况提出了长边校正、长短边校正和畸变校正三种倾斜度校正算法。实验中，使用上述算法能够正确校正倾斜的牌照。 3、对粗糙集理论中的离散化算法、约简算法和规则匹配算法进行了研究，提出了改进的等距离离散化算法和改进的规则匹配算法。与原有算法相比，上述两种算法具有较强的抗干扰能力。 4、提出了基于粗糙集理论的车牌字符识别算法。该方法根据训练样本的特征向量建立决策表，应用粗糙集理论对决策表属性进行约简，从约简后的决策表中获取决策规则，最后按照规则可信度的大小进行规则的匹配从而实现字符的识别。并验证了算法的有效性。 5、在理论研究的基础上，应用VC++6.0编程语言完成了车牌识别系统的软件平台。