作为智能交通系统的重要组成部分之一,车牌识别在人们的日常生活中发挥着不可替代的作用。但是由于监控摄像机自身存在缺陷、恶劣天气的影响以及车辆与摄像机之间的相对运动等因素,部分采集到的车牌图像通常会变得模糊,因此就有必要建立能够识别模糊车牌图像的应用系统。本文通过对模糊车牌图像的特征进行详细分析,以及对车牌识别、图像模糊度评价、模糊图像识别等技术进行深入研究,实现了对模糊车牌识别系统的建立。本文的主要工作及研究成果包括以下三个方面:1、总结了常见的车牌图像定位、字符分割以及预处理方法,并结合需要识别的模糊车牌图像的特点,提出了适用于模糊车牌图像的定位、字符分割以及预处理方法,然后基于以上方法创建了模糊字符图像库。2、实现了对模糊车牌图像模糊度的评价。模糊度评价的目的是将严重模糊的车牌图像以及比较模糊的车牌图像区分开,从而只针对比较模糊的车牌图像设计识别模型。首先,结合人眼对模糊车牌后五位字符的识别能力建立了一个模糊度主观评价模型,并基于该模型创建了一个带有模糊度等级标签的模糊车牌图像数据库;其次,在所创建的模糊车牌图像数据库的基础上,利用投影字典对学习模型以及逻辑回归模型建立了一个模糊度客观评价模型。实验结果表明,所建立的客观评价模型取得的评价结果与主观评价模型取得效果具有较好的一致性。3、将稀疏表示分类模型以及盲去模糊模型紧密联合起来,建立了一个模糊车牌字符识别模型。所建立的模型将图像去模糊以及图像识别耦合在一个能量方程中,使得去模糊以及识别相互影响、相互促进,最终同时实现了对模糊字符图像的恢复和识别。实验结果表明,所建立的模型具有良好的去模糊以及识别效果。