车牌识别系统是智能交通系统的核心组成部分,在交通部门的违章检测、高速公路自动收费和智能停车场管理等方面占有重要的作用。车牌识别系统主要包括车牌定位、字符分割、车牌字符识别三个部分,车牌字符识别问题是车牌识别的关键技术之一,也是目前该领域研究的热点问题之一。本文针对车牌字符识别及相关技术进行研究,主要研究内容包括:1.研究了基于车牌区域形状及灰度跳变特征的定位方法实现车牌定位;提出了一种改进的基于字符间投影距离的倾斜校正方法校正倾斜车牌,对车牌去除边框后,利用投影法实现车牌字符分割。2.对车牌字符进行了平滑、归一化等预处理。对数字和字母字符,提取了改进的弹性网格特征,对汉字字符,提出了一种叠合网格加权的笔划特征提取方法提取其方向线素特征。3.着重研究了基于BP神经网络的字符识别方法,研究了3层BP神经网络的结构设计、参数设置以及训练集设计方法;针对BP神经网络具有收敛速度慢、易陷入局部最小的缺陷,引入了动量项、自适应学习速率和陡度因子并将其综合在一起的改进方法。该方法能使网络收敛到更优点,收敛速度也得到加快,提高了识别率。4.着重研究了基于支持向量机的字符识别方法,运用“一对多”策略来构造SVM字符识别器,采用SMO算法训练SVM识别器,选用不同核函数和不同参数进行性能对比。SVM方法在不进行特征提取的情况下,能得到较高的识别率。