随着交通需求量的不断提高,基于图像处理的车牌识别技术成为解决交通违规、监控、收费等领域问题的重要手段、途径。本文主要针对该技术的图像采集、预处理、字符分割和识别几个方面,展开了详细的理论介绍、传统算法的优劣分析,并结合传统算法的优点通过改进得到本文的算法,给出实验结果。本文针对传统Berson法、Ostu法容易受到噪声干扰等缺点,改进Ostu法,得到基于Ostu的动态阈值法。它采用了分区域动态阈值更新策略,能够在有效地抑制复杂光照环境干扰的同时大大减少噪声的参与,从而为后续分割工作提供了一个较好的车牌图像环境。在字符分割模块中,改进传统的投影法,并提出计算每个字符的起始坐标的思想,得到坐标标记法。该方法有效克服噪声、字符粘连、断裂的影响,实现字符的完整正确分割。最后,在字符识别模块中,改进传统的模板匹配法,提出多方面提取字符的结构和统计特征的思想,得到基于结构特征和统计特征的模板匹配法。其主要思想是,先提取数字和字母的结构特征,进行粗分类,再提取汉字和剩下字符的统计特征:行扫和列扫的特征值、行和列投影值、水平和垂直宽度,结合二值化字符的多方面特征形成各自的模板,而且加入、提取了一部分扭曲、含许多噪声的特殊字符的特征,以扩大字符识别范围,然后,输入待识别字符进行模板匹配,得出正确的识别结果。为了验证文中算法的正确性和有效性,在车牌图像二值化、字符分割、识别模块中作了大量的编程实验工作,算法经VC++实现,实验表明,本文的改进算法效果较好,对车牌识别速度、准确率的提高作了有益的尝试,为提高车辆车牌识别技术的性能作了自己的努力。