伴随着世界各国汽车数量的增加,城市交通状况日益受到人们的重视。智能交通系统也成为人们研究的热点,车牌识别系统是智能交通系统的一个重要组成部分,它的成功开发必将大大加速智能交通系统的进程。但由于实际环境的复杂性使得车牌识别系统在实际应用中的效果并不理想。鉴于小波变换优良的时频特性以及支持向量机极强的分类能力和灵活多样的分类方式,本文研究了基于小波变换与支持向量机的车牌识别方法。主要工作如下:1、提出了基于XYZ颜色空间融合小波高频能量的车牌定位方法,该方法利用了车牌图像的颜色信息,并采用小波变换的垂直高频能量来表征车牌区域字符的纹理信息,再结合车牌区域的几何特征,快速准确的提取出车牌区域。实验选取了各种复杂背景下的车牌413幅,定位准确率达98.2%,且具有较强的环境适应性。2、对粗定位车牌进行了完善的精定位,包括水平和垂直方向车牌的倾斜矫正,上下边界的精确确定以及图像的二值化与大小归一化。充分考虑了字符的粘连、断裂、噪声、车牌边框干扰等多种情况,利用垂直投影法对车牌进行了字符的分割。3、基于小波分析理论对分割后的字符图像进行了特征提取,研究分析了直接利用小波分解系数和利用优化后的小波包分解的特征提取方法,并比较了应用不同小波基函数对识别结果的影响。分析了应用支持向量机进行分类时特征选择的性能。4、利用最小二乘支持向量机分类算法对车牌字符进行识别。本文选择了最小输出编码多类分类方法,并利用基于交叉验证的网格搜索法优化分类器的参数,设计并实现了数字,字母,数字和字母以及车牌汉字四种分类器。实验结果表明该方法具有很高的车牌字符整体识别率。