在智能交通的发展下，如何有效提取车辆信息进行车牌识别已经成为了监督和管理交通的一个重要课题。本文围绕车牌识别系统进行了如下研究:　　在图像预处理方面首先对基于三维块匹配滤波的图像去噪算法进行了研究，其能够在对图像进行较好去噪的同时保留图像的细节信息，其次研究了匀速直线运动模糊图像的复原算法，结合估计出的模糊图像点散特性函数，运用了维纳滤波的方法来对模糊图像进行复原。　　在车牌定位方面首先研究了霍夫变换的车道线检测算法，其次结合视觉显著性以及恒虚警的理论研究了基于贝叶斯分类器的车辆目标检测算法，然后研究了通过提取车辆的三维尺寸信息来对大小型车辆进行分类的方法，最后分别研究了基于车牌颜色特征、车牌纹理特征的车牌定位算法，主要研究了结合车辆三维尺寸模型的基于尺度不变特征转换算子的车牌定位算法，对能够有效提取尺度不变特征转换算子的图像，车牌正确定位率达到了98.74％。　　在车牌字符分割与识别方面首先简要研究了车牌分割中的车牌校正和字符分割算法，其次研究了基于向量主成分分析和张量主成分分析的车牌字符特征提取识别算法，最后在这两种车牌识别方法的基础上，主要研究了基于Adaboost的融合向量主成分分析和张量主成分分析两种车牌识别器的车牌识别算法，正确识别率达到了97.83％，其中，对汉字的正确识别率达到了99.86％。　　最后，在TMS320DM648平台上完成了车牌定位、车牌字符分割及识别算法的移植与验证。