数字图像识别是模式识别领域的重要研究方向之一。基于图像的车辆牌照自动识别技术在智能交通管理领域得到广泛应用,是实现交通管理智能化的重要环节。论文深入地研究了模式分类的理论方法及其在车牌识别系统中的应用。论文从模式分类问题的两个基本要点,即输入特征向量的提取和分类器的构建出发,研究了在具体问题中的模式分类器的设计方法。借助图像处理技术手段,依靠有效解决小样本学习的支持向量机分类等模式分类领域的原理,分别对车牌自动识别算法的三个主要部分,即车牌分割、字符分割和字符识别,做了深入系统地研究,并提出了改进算法。针对车牌识别过程中牌照分割的特征提取问题,探讨了各种有利于分类的目标与背景图像区域特征,最后从纹理图像分类的角度分别提取基于灰度直方图和共生矩阵的纹理特征,以及类车牌区域的边缘特征作为分类器的输入特征空间。对车牌分割的分类器结构,提出了基于支持向量机的多级分类器,将分类过程分成粗分、细分两步,从而提高分类的精度和效率。在车牌字符分割过程中,由于对字符和背景分类时,不易提取出利于分类的特征训练分类器,所以采用了用概率方法对图像建模,并在模型下用最大后验概率分类方法进行分类。本文在这种方法的基础上,利用视频图像中提取的多帧图像信息加强了分类的效果。在字符识别研究中,用字符投影特征建立输入特征空间,并构建了基于支持向量机的二进制多类分类器,比传统的One-vs-One和One-vs-Rest多类分类方法减少了两类分类器的使用个数,减轻了因多类分类而造成的速度降低问题。仿真实验结果表明,论文所提出的几种改进算法对提高车牌自动识别的正确率和识别速度有较大的应用价值。