车牌图像由于受到天气、光照等的影响,常常发生几何变形、字符笔画缺损及附加噪声等等,从而车牌字符图像的质量远远低于手写体或印刷体字符,这使得传统的字符识别方法难以满足要求。近些年兴起的小波变换是一种图像分析的重要工具,小波变换的多尺度分解特性更加符合人类的视觉机制,与计算机视觉中的由粗到细的认识过程十分相似,更加适合图像的信息处理。本文首先简要描述了整个车牌识别系统的总体结构,将其分为车牌定位、车牌字符识别两个子模块,并且对车牌识别中这几个步骤的各种方法进行了简单的介绍。然后讨论了字符的单独分割问题。接着本论文中重点讨论利用小波分析方法来提取字符特征。对直接利用小波系数作为特征,以及结合聚类分析一起提取特征都进行了分析。还用小波包分解并寻找最优小波包基进行字符的特征提取。也讨论了利用矩分析提取特征以及将矩分析和小波分析相结合的特征提取方法。最后还描述了基于Gabor变换的方法进行车牌字符识别,更加突出了小波变换时频窗自动调整的优点。论文中借助于BP神经网络分别对几种方法进行了试验,分析结果得出,基于小波包分解提取最优小波包基的特征提取算法具有最好的性能。