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发挥着举足轻重的作用。近年来,对车牌识别系统的研究已经成为一个热点问题。论文首先分析车牌识别系统技术的研究现状,对系统中的图像预处理、车牌定位、字符分割和识别四大重点模块进行全面论述;对字符识别技术进行深入研究,设计并实现了车牌识别系统。为了提高系统的识别率和鲁棒性,仔细分析四个模块设计中的重点和难点,并提出解决方案。在预处理模块设计中,本文结合多种图像处理技术,采用模糊c均值二值化、形态学滤波和Sobel算子边缘检测等预处理算法。比较研究了基于特征统计、改进Sobel算子边缘检测、粒子图像相关法的车牌定位方法,并通过实验证明粒子图像相关法是设计本系统的最佳优化方案。在车牌的字符分割模块中,提出一种基于多尺度模板匹配的分割算法,利用尺度变换的方法找到车牌区域全局最优模板匹配信息,结合Hough变换达到更好的分割效果;为有效剔除字符图像中的噪声区域,结合预处理阶段最大连通域的边界均值方法来解决,使得此算法具有很好的鲁棒性。参照目前的研究现状重点分析BP神经网络,提出一套附加动量法改进BP算法的设计方案,通过对比实验,验证了改进算法方案的有效性。实验证明,本文所采用的方法能达到较好的识别效果,具有一定的高效性、鲁棒性和实时性。