车牌识别是智能交通中一个重要的组成部分。随着车辆的增多,智能交通越来越体现出其价值。车牌识别还在无人管理车库、校区安全、社区安全、道路状况调控等交通监控系统中得到了广泛的应用,发挥着缓解值勤人员工作压力的作用。因此,对车牌识别的研究成为了这段时期的研究热点。车牌识别分为车牌定位、字符分割和字符识别三个主要步骤。对每个步骤的独立研究可以提升车牌识别效率；对三个步骤共同研究则可以提升算法的连贯性和识别效率。这篇论文对车牌识别算法进行了探讨,并介绍了以下三方面的工作：一、提出了基于单位联接脉冲耦合神经网络的车牌定位方法。该定位算法首先用单位联接PCNN对输入车牌图像的某个灰度通道进行点火处理；接着,找出点火图像中带有车牌特征的区域；第三,进一步判断该区域是否符合车牌长宽比特征；最后,对图像进行倾斜校正并输出校正后的车牌区域图像。输出的车牌图像为二值图像。二、提出了用单位联接脉冲耦合神经网络改进投影法字符分割算法。基于同车牌定位算法中同样结构的脉冲耦合神经网络,可对二值图像进行空洞填充。用该空洞填充法对二值车牌图像进行处理后；再寻找处理后车牌图像中线上的有效联通域；然后,对中线上的联通域进行分析以规整字符的尺寸；第四,用投影法寻找车牌字符的边界并结合联通域分析完成字符分割。改进后的分割方法不但提升了分割率,还提升了字符识别率,这是因为改进后的分割方法能将同一个车牌的字符归一化。三、提出了以点火图像序列和空洞数为特征的字符识别方法。并使用投票方式度量待识别字符和模板字符对应特征间的差异。仍然基于单位联接PCNN,对分割出的字符进行细化、点火和空洞提取；对细化、点火特征和空洞特征赋予不同的投票权重,将待识别字符的特征和模板字符的对应特征进行比较并投票；将得票最高模板对应的字符作为未知字符的识别结果。本文提出的车牌识别算法分为主要的三个子算法,分别实现车牌定位,字符分割和字符识别,且这三个子算法都应用单位联接脉冲耦合神经网络。三个子算法中的PCNN结构一致,仅改变初始值和输出判定条件即可,一改以往应用PCNN需要复杂设置的状况。单位联接PCNN在车牌定位和字符识别算法中,用于核心算法的实现；而在字符分割中,则起到辅助作用,提升了原算法。这些都验证了PCNN在图像处理的应用潜力和优势。