车牌自动识别技术是现代智能交通系统中的一项非常重要的技术,是近年来研究热点。智能交通系统在车辆跟踪、高速公路自动收费、停车场自动计费以及城市交通流量统计等方面发挥着极其重要的作用,而牌照是车辆的唯一标志,因此车牌自动识别技术在整个系统中处于核心的地位,具有重要的研究意义。国内外的研究人员已经开始对车牌自动识别技术开展了深入地研究,提出了许多算法和方案,同时有一些产品已经投入使用,但是因为其效果未能达到人们所期望的要求,离真正实用和通用的要求还有一定的差距。因此在如何提高车牌定位和识别算法的正确性和实时性方面,还存在较大的研究空间。本文在继承前人研究成果的基础上,将先进的理论工具一小波包变换运用到车牌识别中来,主要工作有以下几个方面：(1)车牌定位；(2)字符分割；(3)字符识别。在车牌定位方面,首先对车牌图像进行灰度变换、平滑处理,通过分析传统图像增强的方法,提出了一种基于小波包变换的增强算法；结合边缘检测、形态学处理、投影法等算法,提出了一种基于车牌纹理特征的车牌定位算法。经过实验证明,该算法达到了预期的效果,从原始图像中提取出车牌的准确度超过92.9%。在字符分割方面,采用小波包变换的多分辨率方法,对车牌图像进行去噪处理,然后利用垂直投影和先验知识相结合的方法分割出单个字符区域。该算法的准确率和抗干扰性要比传统的投影算法要好得多。在字符识别方面,首先分析了字符识别的两种常用方法——模板匹配法和神经网络法；提出了用小波包提取特征能量向量作为神经网络的输入向量,同时用学习率可变的动量BP神经网络对字符进行识别,使BP神经网络收敛性好,训练速度快。经实验验证,本文所提出的整体方案有效可行,基于小波包分析和BP神经网络的车牌识别技术在其识别率、速度性等方面具有独特的优势,前景广阔。