车牌识别系统（LPRS）作为智能交通领域的重要组成部分被广泛应用在日常生活中的各个场所，其在现代交通管理、车流量检测以及车辆稽查等方面发挥着重要作用。车牌识别系统的关键技术包括车牌定位、倾斜车牌校正、字符分割以及字符识别，其中本文的主要研究内容为倾斜车牌校正、字符分割与识别。针对倾斜车牌校正，本文总结了车牌倾斜模式，提出了两种不同顺序的流程并对其进行仿真测试，确定了校正效果最好的流程。针对不清晰以及颜色失真的车牌图像给校正与分割带来的干扰，本文进行了图像预处理方法的研究，将低质量图像进行灰度直方图均衡化有助于提高校正与分割成功率。为了提高校正成功率，减少计算时间，本文基于Radon变换对图像进行倾斜角检测，通过对Radon变换的研究提出了快速Radon变换算法，缩短了计算时间。本文将快速Radon算法与旋转投影算法相结合提出了融合算法，提高了校正成功率。车牌字符分割。为了去除非车牌区域，本文利用了车牌丰富的颜色特性，提出了将HSV颜色模型应用于检测车牌底色从而去除非车牌区域的方法，该方法成功应用于车牌颜色未失真的图像；对于车牌颜色失真的图像本文采用投影检测跳变法来去除非车牌区域也取得了良好的效果。针对车牌分隔符的干扰与字符粘连问题，本文在基于垂直投影法的基础上结合先验知识对车牌字符进行分割，不仅可以去除车牌分隔符符号的干扰，而且可以对存在字符粘连的图像进行再分割。针对车牌字符识别中的分类问题，本文对分类算法进行研究后，选择了通过模拟大脑的神经网络算法来对车牌进行识别分类。仿真结果表明BP神经网络在识别成功率上远高于模板匹配算法，具有一定的鲁棒性与实际应用价值。