车牌自动识别作为智能运输系统(ITS)的重要组成部分,是一个值得深入研究的课题。本论文在对车牌自动识别的其它处理过程作了简单介绍之后,重点研究了使用多神经网络对车牌字符进行识别这一领域。多神经网络进行车牌字符识别包括了字符特征提取和多神经网络识别器两个部分。在字符特征提取部分,本文充分利用结构特征对字符结构敏感、区分相似字符能力较强的特点和统计特征鲁棒性强的特点,从中选择了几种性能稳定且能够互补的字符结构和统计特征,将其结合起来以构造多神经网络识别器。本文在车牌字符的识别阶段采用了BP神经网络。首先,针对传统BP神经网络收敛速度慢且容易陷入局部极小点等缺陷进行了改进,实验证明改进后的网络在收敛速度和精度方面都有所提高;然后,本文利用多神经网络集成技术,将基于不同字符特征的神经网络识别器结合起来,分别对串联结构、基于表决器的并联结构和基于模糊运算的并联结构等多神经网络识别器进行了实验,仿真结果证明集成的神经网络较单一的神经网络在识别性能上有了较大提高。最后文章概要介绍了车牌字符识别的硬件实现方法,并提出了将来继续深入研究车牌字符识别的几个方向。