随着信息技术和智能技术的发展,交通管理系统的信息化、智能化是大势所趋。车牌识别系统(LPR)是智能交通系统(ITS)的核心组成部分,在现代交通收费管理系统中占有举足轻重的作用。近年来,使用计算机来对图像进行处理和分析,已经获得了飞速的发展。对车牌识别系统中关键技术的研究已经成为科学界的一个热点问题。本文对车牌识别系统中的图像预处理、车牌定位和字符分割等几大模块进行了比较深入、全面的论述,并对主要部分的关键技术进行了深入的研究。本文采用的是一种混合的车牌分割方法,实验所采用的图像均是采集于各种真实的环境条件下,一般来说,采用的都是背景较为复杂,车牌有一定程度的倾斜,且车牌大小不固定的这类图像。本文论述的车牌分割方法主要可分为以下几个步骤:首先,在车牌粗定位阶段,本文根据车牌区域的纹理特征比非车牌区域丰富这一特点提出了基于图像纹理特征的候选区检测算法;在车牌提取阶段,基于PCA和纹理特征分析(TFA)两种方法,我们提取了车牌的多个特征,然后利用BP神经网络进行真实车牌的提取。在最后一个阶段,我们采用了Radon变换对车牌进行了倾斜校正,然后对字符图像进行了去除边界和噪声的处理,最后对字符图像进行了切分。实验结果表明,本文所采用的方法能达到较好的分割效果,具有一定的鲁棒性和实时性。从中可以看出:多种特征提取方法和分割技术有机结合能够提高系统性能,在有效、实用的原则下将神经网络与人工智能技术相结合将成为模式识别研究的重要发展趋势。