工业革命开始以来,交通运输业的飞速发展为人们的生活带来了极大的便利,与此同时,各种交通运输工具特别是汽车数量的剧增也给社会和环境带来了日趋严重的巨大压力,为缓解这些压力,智能交通系统(ITS)应运而生。智能交通系统(ITS-Intelligent Transportation System)通过对道路交通流信息进行实时监测和了解,依此及时地做出各种交通诱导控制和管理,使相关的交通设施得到充分合理的运用,而车牌识别系统(LPR)则是其关键,车牌识别系统具有对车辆进行自动化监视,验证,登记与报警等强大功能,故而可应用于高速公路管理系统,停车场收费管理系统,小区车辆管理系统与电子警察系统等领域当中。本文完成了民用车牌识别系统的算法研究和系统设计工作,主要工作由以下几个部分组成:(1)全天候车牌定位算法,首先对原始的车辆图像进行预处理,增强图像对比度,然后利用处理后图像的差分图像进行数学空间降维处理,接下来把降维后的数据进行高斯变换与小波变换定位出车牌在车辆中的水平位置,把水平定位出来的车牌图像再次进行数学空间降维和高斯变换,最后进行形态学膨胀与腐蚀处理,从而实现车牌的精确定位;(2)字符识别算法,采用基于噪声模型训练的二级识别算法,第一级采用基于字符外形特征的分类方法进行粗分类,第二级采用统计特征与噪声模板匹配法进行细分类,与此同时结合中国民用车牌的特征,采用两个基于噪声模型的并行三级神经网络对字符外形特征进行识别实现粗分类,接下来采用统计特征与模板匹配法进行细分类,最终实现字符的准确识别;(3)车牌识别系统软件平台,搭建了一个基于c/c++语言的算法演示平台,该平台集成了本文算法研究的结果,以及一些通用的数学算法,该平台是完全开放的,可以自由在其基础上增加新的算法并可方便的观察算法结果。本文提到的算法均已在软件平台上正确实现,以从各种不同环境下采集的具有代表性的531张车辆图像作为算法测试数据源进行测试,车牌定位准确率达95%,字符识别率达94.6%。