车牌识别系统(License Plate Recognition,LPR)是智能交通管理系统(Intelligent Transportation System,ITS)的核心技术及关键环节,被广泛的应用在人们的生活中。LPR是基于图像处理、模式识别等技术的计算机视觉系统,具有自动识别车辆牌照的功能,简捷方便,在多个场合均已得到应用,例如停车场的汽车管理系统、高速公路收费系统、车辆的调查与追踪等等。目前车牌识别系统有很多,然而,车牌识别过程中会受到各种因素的影响,尤其是恶劣天气严重影响采集的图像质量,增加了车牌识别的难度,利用一般的图像分割算法进行处理的效果不理想,本文在模糊C均值算法、核聚类算法的基础上,提出了基于集合划分的自适应分割算法,并应用在车牌识别中,对车牌图像进行分割,得到更好的图像分割效果。论文的主要工作如下:(1)恶劣天气下的车牌识别系统,首先对采集的车牌图像进行灰度化及二值化处理,在此基础上结合车牌的颜色特点及边缘检测的方法完成对车牌的定位,然后设定合适的阈值,再次对车牌进行二值化处理,同时利用投影变换函数对车牌区域像素突出显示,增加车牌字符的分割效率,并结合模板匹配的方法完成车牌的识别。(2)根据模糊C均值算法及核聚类算法的特点,提出基于集合划分的模糊聚类算法,避免聚类中心和分类数需要人工确定的问题。同时,集合了核聚类算法的优点,提升车牌识别系统的效率和准确性。通过实验,将FCM算法、AFCM算法、RAFCM算法应用在暴雨、大雪、雾霾三种恶劣天气下的车牌识别中,实验结果表明提出的RAFCM算法对在恶劣天气下采集到的车牌图像因被污染严重,导致分割质量不高的问题有较好的处理效果,可提高车辆识别中车牌字符分割的效率,达到车牌识别实时性、高效性的要求,满足现代社会对汽车管理的需求,促进车牌识别的智能化发展。