车牌自动识别技术是目前自动化控制领域和交通工程领域的一项重要研究课题。通过利用计算机视觉和模式识别技术，实现了交通管理的智能化，因此，它具有较高的理论研究和实际应用价值。随着自动化控制技术、计算机技术和通讯技术的快速发展，新的研究方法和技术不断出现，并已在实际工程中得到广泛应用，效果显著。一般而言，车牌自动识别技术的核心是车牌识别算法，该算法主要三个部分：车牌定位、字符分割和字符识别。本文全方位地研究了车牌定位技术、车牌字符分割技术和车牌字符识别技术，并对这三个部分进行了改进。高清化、智能化是今后车牌自动识别技术的发展方向，因此本文是基于高清图像研究和实现的。实验结果表明，本文设计的车牌识别方法可以实时有效识别车牌。论文利用车牌先验知识和数学形态学方法设计了一种快速定位车牌的算法。该算法首先对获取的车辆图像进行垂直边缘检测，然后利用数学形态学方法处理，并根据车牌先验知识筛选车牌。但是，由于目标车牌区域周围的噪声干扰很容易导致车牌粘连，使车牌无法正常定位。因此，本文应用了一种利用线密度的方法来抑制车牌区域周围的噪声。这种线密度方法增强了车牌定位的抗干扰性。实验表明，利用这种方法车牌定位的准确率明显提高。论文研究和采用了基于连通域提取的方法，并基于辨别可信字符和次可信字符的概念，并利用这两个概念逐步找到相应的字符。同时，很好地结合了水平、垂直投影的方法，对进行字符精确定位，去除了字符边缘毛刺，解决一般字符分割方法受车牌倾斜度影响大的问题。论文采用了BP神经网络的方法，分别设计了首位汉字分类器、第二位英文字母分类器和后五位混合字符分类器三个分类器。其中针对混合字符存在相似字符对的情况，又设计了相应的二级分类器。根据各个字符的点，总结了4种特征提取方法。其中应用了行像素对应字节位法和差异区块点阵方法分别运用于汉字分类器和相似字符对分类器。最后，实验方式比较BP神经网络和支持向量机（SVM）方法的字符识别效果。本文利用VC2005实现了上述车牌识别算法，实验结果验证了算法的准确性和适应性，同时车牌字符识别实时性有较大的提高。