车牌识别技术在城市监控系统、高速公路自动化监管系统、智能社区车辆管理等方面有重大需求。车牌识别技术是智能交通体系的重要组成部分，具有相当重要的理论研究价值和广阔的应用发展前景。在实际中，由于诸多外部干扰因素和车牌的内在特殊性，车牌识别算法的研究与应用需要不断完善和发展。鉴于小波分析优秀的时频分析能力和支持向量机强大的分类应用能力，本文主要进行了车牌识别算法的研究与实现，综合运用各种热点核心技术，对车牌定位、字符分割以及字符识别等关键环节进行了深入的研究和分析。本文简要介绍了小波分析、小波包分析以及支持向量机等基础知识理论。通过小波分析和小波能量等特征信息，结合线性模板滑动扫描、数学形态学运算、颜色信息等技术和先验知识提出了实现车牌定位的算法，定位结果高效而准确。针对字符分割，本文提出一种基于连通域分割、垂直投影分割和固定边界分割的多技术融合字符分割算法，算法可以提高字符分割的准确率。以小波包分析理论和支持向量机原理为核心，提出一种改进的基于层次分类决策的车牌字符识别算法。该识别算法首先介绍了基于层次分类决策的车牌识别的具体流程，然后详细说明了在小波包分解过程中寻找最佳小波包基、K-L变换实现特征提取和特征降维的算法，最后阐述了使用支持向量机、Harris角点检测和数码字符分类决策算法完成字符识别任务的原理与步骤。仿真结果表明，定位正确率为95.75%、识别率为98%、平均识别时间为0.71秒。算法识别速度快，识别效率高，算法性能好。