车牌自动识别系统作为智能运输系统(ITS)的重要组成部分,是一个值得深入研究的课题。车牌识别系统一般包含车牌定位、字符切分、字符识别三个主要模块。本文对车牌自动识别系统的关键技术进行了研究,提出了有效的解决策略,完成了实验,并在此基础上开发了一套车牌自动识别软件。文章中首先讨论了一些车牌识别中非常重要的图像处理技术,然后研究探讨了几种车牌定位方法,以期得到定位精确度高、计算速度快的车牌定位方法。在字符切分模块中采用Hough变换检测倾角和旋转校正的方法来实现车牌图像的倾斜校正,深入研究了Otsu二值化算法,设计了基于垂直投影和先验知识的垂直切分算法。本文在车牌字符的识别阶段采用了BP神经网络与模板匹配。首先,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的进行改进;然后,分析比较了模板匹配和神经网络方法的优缺点,将模板匹配与BP神经网络相结合,采用多级多分类器的方案。实验证明,该方法对字符的识别是很有效的。最后文章介绍了车牌自动识别系统的软件结构和使用性能,并提出了将来继续深入研究车牌字符识别的几个方向。