车牌识别系统(LPR)是以汽车牌照为特定研究对象的专用计算机视觉系统，广泛应用了计算机视觉和模式识别等多种技术，是智能交通领域里的重要研究课题之一。在系统的各个环节中，车牌图像切分识别正确率的高低至关重要，它直接反映出整个系统最终的识别准确率，且对工作效率有着很高的要求。现实环境中，由于环境光的强度，色度，照射方向变化范围大，牌照区域受到污染或者车牌字符部分残缺，摄像机和车牌之间的央角变化等因素的影响，使得车牌图像的准确切分与识别出现了很多难题。本文从两个方面改进车牌图像的切分识别效果，即：前期图像预处理，以及基于支持向量机的字符识别算法。在车牌图像预处理阶段本文提出了混合使用图像增强，投影纹理分析和连通区域分析对车牌图像的倾斜度校正以及切分的算法。该算法首先处理灰度化的车牌图像，通过Ostu方法对图像的灰度进行聚类，并分别对前景和背景进行拉伸，增强图像的对比度，从而得到更好的二值化效果。然后通过投影纹理分析和连通区域分析两种方法对车牌字符进行倾斜度校正和切分。在字符识别部分，不使用二值化字符图像而直接应用经过灰度拉伸的灰度图用于识别，最大程度上保留了原始数据的信息，充分发挥了支持向量机的功能。而后，本文提出了一种基于支持向量机的多维多级识别树算法。对于多类识别的问题，对输入向量首先进行降维处理，用低维数向量通过第一级支持向量机来进行粗分类，而后用原始高维向量进行精分类。与顺序识别和二叉树结构的支持向量机组相比，新方法运算速度快，在应用中往往能够产生很好的效果。