车牌识别系统（License Plate Recognition，LPR）是机器视觉、图像处理、模式识别等技术的综合应用。车牌识别系统车牌识别系统在智能交通中起着重要的作用。本文的车牌识别系统包括以下模块：车牌定位、车牌校正、字符分割、字符识别。本文在学习和总结前人在车牌定位和分割领域的成果的基础上，提出了针对车牌定位和字符分割环节的改进算法，并实现了一套完整的车牌识别系统。本文通过在定位阶段加入了多尺度的支持，以及提出基于多重二值化的连通域混合的字符分割算法，提高了对车牌模糊、光照不均、低分辨率等特殊车牌图像的字符分割成功率，达到了提高识别算法普适性的目的。采用构建多尺度图像金字塔的处理方式，将定位多尺度车牌区域的问题转化为定位单一尺度的车牌。并对车牌进行边缘提取，二值化后进行数学形态学处理处理，并进行连通域分析、筛选和排序，优先输出与真实车牌的相似性高相似性高的区域，以提升整体算法的效率。提出一种基于边缘特征和最大投影方差的Radon变换的车牌倾斜检测算法。利用车牌字符的边缘特征点的分布特性，通过Radon变换，找到方差最大的角度作为倾斜检测结果，并进行水平和竖直校正，具有较好的鲁棒性。针对常用的二值化算法针对某些特殊图像时，有着各自的缺陷的现象，提出了一种基于多重二值化的连通域混合的字符分割算法。该算法同时采用多种二值化方法，分别进行二值化和连通域提取，最后把所有连通域合并进行筛选，挑选出符合要求的连通域，作为字符分割的依据。结合不同的二值化方法、阈值大小、预处理方法，整合其处理较成功的部分，忽视其处理失败的部分，具有很好的鲁棒性和可扩展性。最后，用Matlab编程构建了车牌识别软件系统。该系统包含了上述本文提出或改良的车牌定位、字符分割步骤，并采用BP神经网络模型对分割结果进行训练和识别。并用互联网上采集的无约束的车牌图像进行大量的实验，结果表明本文的算法对无约束的车牌的识别具有较好的普适性。