随着国民经济的迅速发展，我国的汽车数量迅速增加。虽然我国政府在基础设施建设上加快了步伐，高等级公路、停车场越来越多，但配套的道路、车辆管理系统却显得相对滞后，仍旧停留在以人工管理为主的水平上。科学、高效的利用好现有交通基础资源成为进一步挖掘我国城市交通能力的有效途径。由于牌照是确定汽车的有效手段，因此，车辆牌照识别(License Plate Recognition(LPR))系统在智能交通管理中发挥着基础性的作用。近年来，电子器件性能和制造工艺的提高以及数字图像处理、模式识别理论的成熟为在道路交通管理中引入计算机提供了条件。 车辆牌照识别(LPR)作为一个综合的实时计算机视觉系统主要包括牌照定位分割和牌照识别两个部分。它的研究主要涉及到了模式识别、人工智能、计算机视觉、数字图像处理等众多学科领域。车牌的定位分割更是该系统的关键之一，由于图像场景的复杂性以及车牌位置和图像质量的不可预知性，牌照定位分割系统一直都未做到令人满意，所以牌照的定位分割算法一直是该领域的研究热点。 本论文的研究重点主要包括牌照的定位、牌照中字符的分割和字符识别三部分，通过对图像处理和分析技术的综合运用以及对问题本身特点的详细考察，最终实现了基于边缘特征和形态学分析的牌照定位算法。首先用边缘检测算子提取边缘信息并进行二值化处理，其次对其进行水平投影确定水平位置，然后再用形态学将车牌连成一个连通的区域，最后再进行垂直投影就得到了车牌的位置。另外，本文还对拓扑特征识别方法和神经网络识别方法进行了研究。拓扑特征识别方法原理简单、速度快，无须进行校正；神经网络识别方法容错能力强，但算法复杂。 由试验所得的结果，本系统能较准确定位、分割车牌并进行识别，系统的性能良好。从中可看出：多种预处理与识别技术有机结合能提高系统识别能力，在有效、实用的原则下将神经网络与人工智能技术相结合将成为模式识别研究的两个重要发展趋势。