在基于电子信息技术的智能交通系统(ITS)中，车牌识别(LPR)是最为关键的技术之一，它以车牌号码自动识别为基础，可以对车辆进行自动验证、监视和报警。然而，由于车牌识别系统通常工作在自然环境中，受外界因素影响较大，而且我国车牌中通常包含一些结构复杂的汉字，使得很多情况下系统的识别率很难令人满意，大大影响了智能交通系统的工作效率。本文基于数字图像处理的相关理论，将计算机视觉与模式识别技术相结合，对车辆牌照识别系统进行了较为深入地分析和研究。重点对车牌区域定位算法和车牌字符识别算法进行了改进和创新。首先，在车牌区域的定位和提取中，采用了对车牌区域进行粗、细两级定位的方法。在粗定位时采用一种改进的模糊匹配算法，克服了传统模板匹配算法计算量大、对背景复杂的图像难以准确分割的缺点；在精确定位时根据车牌区域行相邻像素之间变化频繁的特点，对车牌区域精细定位。然后，在车牌字符的分割中，根据车牌本身提供的先验知识，采用了连通域分析法和灰度投影法相结合的算法，克服了目前常用算法中对部分汉字和数字字符不易准确分割的难点，使得字符分割更加精确。最后，在车牌字符的识别中，讨论了人工神经网络的理论原理和在字符识别中的应用方法，着重分析了应用传统的神经网络算法进行字符识别时存在的不足，并提出了一些改进措施，针对由于光线不足或牌照污损所引起的字符模糊现象，利用字符外围轮廓和投影特征相结合的方法提取字符特征，并采用改进的BP神经网络算法对所得字符进行了识别。通过仿真试验可以证明，本文提出的算法能比较准确地定位、分割车牌区域并进行字符识别，且系统的性能良好。从中可以看出多种图像预处理与模式识别技术的有机结合能有效地提高系统的识别能力。