借助于数学理论的研究和进步以及计算机技术的发展,数字图像处理技术越来越多的应用到各个领域。模式识别通过用机器代替人眼对未知事物进行判断,具有较高应用价值,因而成为图像处理领域中的重要分支。字符识别技术由于具有广阔的应用前景,得到了快速的发展,至今为止,已经成功运用于OCR以及车牌识别中。然而,与具体工作场景相关联、要满足具体要求的字符识别,具有一定难度,仍然处于研究探索阶段。本文中的标牌字符识别子系统包括原始图像的预处理、椭圆标牌定位、字符区域的提取、字符的分割、字符识别几个过程。图像预处理中,通过分析背景信息,对灰度化的图像使用全局阈值法分割得到二值图像,并根据实际情况将背景分为几种类型。用形态学方法去除小的连通区域,结合椭圆特征去除另外的干扰区域。在椭圆标牌的定位和字符分割部分,使用最小二乘拟合方法对椭圆边界进行拟合,得到椭圆几何参数,包括椭圆中心点坐标,长短轴长度以及倾斜角度。根据霍夫变换检测到的直线斜率对图像进行旋转,根据椭圆拟合得到的几何参数对图像进行错切以及缩放变换。经过这一系列的几何变换,得到了近似正圆区域。利用椭圆中心位置以及椭圆形状特征分割出矩形字符区域。分析投影法字符分割法的优缺点,用投影法结合先验知识分割字符。在字符识别部分中,讨论了几种特征值的选取方法,分析了各自优缺点。对于带有惩罚因子的模板匹配方法,提出了选择连通背景区域中过型心的水平直线上到两边字符区域的线段中点作为惩罚点的方法。设计实现了以类间散步矩阵为产生矩阵的主成分分析字符识别算法。对于BP神经网络识别方法,设计了输入和输出数据格式,确定了输入输出层神经元个数、传递函数,试验选取了合适的隐层神经元个数。用样本数据测试各个模式识别算法,分析对比识别结果,提出了同时运用两种识别方法进行识别从而提高结果可信度的识别方法。