智能交通系统将多方面技术有效的运用到整个交通运输的管理体系,建立起来一种全方位、大范围发挥其作用并且高效、实时、精确的综合运输与管理系统。车牌识别技术,作为智能交通系统中核心技术之一,具有很高的研究价值,其发展决定与制约着国家智能交通的发展。此外,对车牌识别技术的研究,其理论技术可以延伸到工业应用、生物识别、医学检测、人工智能等各个领域,为我们后续与社会对接提供了很好的技术储备。本文利用图像处理技术来解决车牌识别问题。通过图像处理方法对原始汽车图片进行一系列的操作,其具体操作步骤包括图像预处理、车牌定位、车牌字符分割以及字符识别,最终得到车牌识别信息。本文的研究内容主要就是从这四个方面展开,经过理论分析与实验验证,得到最优的图像处理方法,进一步提高车牌识别的识别率。其研究内容具体如下:(1)详细阐述了课题的相关研究背景和意义,以及基于图像处理的车牌识别相关的国内外研究现状。(2)论述了基于识别基础的间接法和直接法的车牌识别技术,并组建与测试了论文的实验环境,明确了本文是在图像处理的基础上,对车牌识别方法进行研究,并确定了课题对车牌识别方法的研究是分别从汽车图像的预处理、车牌定位、车牌字符分割以及车牌字符识别四个部分来进行详细论述。(3)通过对原始汽车采集图像进行一系列的预处理,通过理论分析结合实验对比,得到较好的预处理方案,为后文车牌定位奠定基础。(4)论述了常用的车牌定位方法,并在常用方法的基础上,提出了基于车牌特征的近似定位方法与基于跳变法和SVM的车牌精确定位方法,详细描述了依次对原始汽车图像进行车牌近似定位和精确定位的具体流程,并通过对原始汽车图形采用不同的车牌精确定位方法进行实验对比分析,论证本文提出的近似定位和精确定位的车牌定位方案的有效性。(5)论述了常用的车牌字符分割与字符识别方法,在此基础上,提出基于字符轮廓法的车牌字符分割方法,对此方法的详细过程作实验论证,得到了较好的效果,并使用基于BP神经网络的方法对车牌进行识别,在原始BP神经网络的基础上,加入动量因子,并对字符进行分组识别,训练两个子网络,提高车牌识别效率以及识别率。最后,总结了本课题的工作内容,并指出工作中的一些欠缺点,为后续的改进与完善工作指明了方向。