车牌识别是智能交通控制的核心技术之一，这项技术融合了计算机技术、图像处理、模式识别等众多学科，也是最近几年在交通领域中的重要研究课题。目前，车牌字符识别精度和识别速度成为了研究热点。本文设计的基于RBF神经网络的车牌识别系统包含了：图像预处理、车牌定位、字符分割、字符识别等方面，解决了车牌识别的问题。图像预处理阶段，对图像进行了灰度化、中值滤波、灰度拉伸、二值化等处理。在这一过程中，采用OTSU法对图像进行了二值化处理，达到了理想效果，去除了图像的噪声，为车牌定位和字符分割奠定了基础。针对车牌定位中的问题，本文提出并采用基于数学形态学法对边缘检测后图像的车牌进行了精确定位，然后对定位后的车牌进行了校正和去边框处理，保证了图像的质量。阐述了车牌字符的一些基本特征，基于这些特征采用一种改进的水平投影法对车牌进行了字符分割。在叙述RBF神经网络的基本结构和学习过程后，设计并训练了RBF网络对分割后的字符进行了识别。最后经过大量试验证明，本文采用的基于RBF神经网络的车牌识别方法可以达到很好地识别效果，识别率较高，具有较高的实用价值。