随着社会经济的发展和人们生活水平的提高,由于道路硬件设施的限制,智能交通越来越受到人们的重视。车牌识别系统是智能交通的重要组成部分,它在城市交通管理、高速公路收费、电子警察、智能停车场等领域有着非常重要的实际应用价值,正日益受到人们的重视。本文结合我国车牌的特殊性,采用图像处理技术、车牌定位技术、字符分割及归一化技术、神经网络识别技术等对车牌图像进行处理和识别。主要完成的工作如下:①将采集到的含有车牌的图像进行灰度化,通过灰度拉伸、直方图均衡化、中值滤波等对图像进行增强,并提出了改进的迭代阈值法对图像进行二值化处理。考虑到微光下车牌图像的含噪特点,结合小波变换的时频分析能力,利用小波变换对微光下的图像进行了去噪处理,取得了良好的去噪效果。②通过对我国车牌特征的分析,和对常见车牌定位方法的研究,本文使用了将边缘检测和颜色特征相结合的车牌定位方法,实验结果证明该方法对正常光照下和微光下的车牌都具有很好的定位效果。然后采用斜率法对定位出的车牌进行倾斜校正。③采用了一种基于灰度累加的车牌字符分割方法对车牌字符进行分割,证明对图像质量较差的车牌字符也能有较好的分割效果。然后用邻近插值法对分割出的字符进行归一化处理。④采用小波矩对字符进行特征提取,并采用小波神经网络对字符进行分类识别,描述了相应的算法和程序设计步骤,并将识别结果与BP神经网络进行对比,通过实验说明了小波神经网络的优越性。