车牌识别技术作为智能交通系统的核心,被广泛应用于需要车牌认证的重要场合,如电子收费站、停车场车辆管理等。随着汽车数量的急剧增加,交通管理也变得日益麻烦,所以对车牌识别技术的研究也越来越受到重视。车牌识别技术是指运用图像处理、模式识别等多种技术对采集的车辆图像进行处理分析,以得到车辆的车牌号码,并对车牌号码进行识别的过程。它作为图像技术研究的热门,主要分为车牌定位、车牌校正、车牌字符分割和车牌字符识别。本文通过对一些典型车牌识别技术的研究的基础上提出了一种新且有效的车牌识别算法。在车牌定位的过程中,通过对车牌的形状和车牌上字符排列规律的研究,运用MeanShift算法计算出灰度相关较大的区域边界,这样把整个图像分割成几个区域,再根据车牌的特征,车牌颜色阀值的选择,剔除掉部分区域,然后对这些区域作外接矩形,寻找包含多个排列满足车牌字符的排列规律的外接矩形的区域并截取作为待处理的车牌图像。然后根据矩形序列内矩形左上顶点的坐标,计算车牌的水平偏转角度,进行水平校正,并进行水平方向的精确定位；再对水平校正结果使用动态阈值算法,获得将车牌上的数字和字母与车牌背景分开的二值图,根据各个车牌上数字和字母的最大宽度与其外接矩形之间的关系,计算垂直偏转方向,进行垂直校正。再对前文校正的图像进行去噪和图像增强,然后二值化,最后进行全景直方图统计,再根据统计的波峰波谷和车牌字符的间距标准信息进行车牌分割。本文将采用基于模板的方法来解决车牌上面字符噪声污染比较严重的环境下的字符识别。在本文中将把MeanShift算法与其他算法进行比较,因为该算法使用的迭代计算,所以运行时间相对其他某些算法会长些,但并不影响车牌识别系统的实时性,再加上该算法的聚类特性,在处理图像的过程中,可以加大颜色阀值的选取,减少车牌定位的误检区域,而且它还有受污点噪声影响小的优点,适用范围相比较广。