车牌识别是智能交通系统的重要组成部分,是以缓解道路与减少交通事故,提高交通利用率为目的。车牌是在公众场合能够唯一确定汽车身份的凭证。而对汽车牌照的正确识别,既可实现在交通路口、高速公路、机关门卫对来往的车辆进行实时登记、车流量统计及可协助自动记费；对肇事车辆、被盗车辆、犯罪车辆进行辨识和拦截,这些是建设智能交通系统不可或缺的部分。本文研究了车牌识别技术中的车牌字符分割、车牌字符特征提取与车牌字符识别,本文主要完成的工作如下：车牌字符分割。先对车牌进行图像预处理,用直方图进行车牌种类的判别,用hough变换进行车牌的倾斜校正,用投影法去掉边框,用固有特征与垂直投影法相结合进行车牌粗分割、细分割。车牌字符特征提取。在深入分析了字母和数字字符特点的基础上,提出了字母和数字的直线、字符笔画点、环数以及环面积等四个特征,给出了这些特征提取的方法,这些特征能够准确的区分车牌上所有的数字与字母。而汉字因为结构复杂且笔画多,则采用分块面积与扫描线相结合的13点来提取汉字特征,并对10至13点特征进行了改进,对原有的两行两列扫描改为对角线和中线扫描,使其进一步提高了相似汉字字符的识别率。车牌字符识别。本文采用BP神经网络对车牌字符进行识别。针对BP神经网络算法的不足,采用附加动量法和自适应学习速率对其改进。建立4个子网络,分别是无环网络、一个环网络、两个环网络及汉字网络。仿真实验取得了很好的效果,车牌字符识别率达到了98.9%。图38幅,表8个,参考文献70篇。