车牌是车辆的唯一标识,其特殊性及重要性决定了车牌识别系统成为智能交通管理系统中不可或缺的重要组成部分。而车牌自动识别系统作为信息处理技术和模式识别领域的一项重要研究课题,在监控违章车辆、停车场管理等方面也体现出了巨大的应用价值。虽然对于车牌识别技术已经有较多的研究,但是自然场景中,由于天气、光照、拍摄角度以及磨损变形等干扰因素使得快速准确的车牌检测与识别问题具有相当大的挑战。本文设计了一个自然场景下的车牌识别系统,主要工作包括车牌的精确定位、字符分割和字符识别。车牌检测阶段提出了一种由粗到精的车牌检测方法。首先利用车牌区域的颜色信息和形态学处理得到车牌的候选区域；通过提取候选区域及其邻近区域的梯度方向直方图(Histogram of Oriented Gradient, HOG)特征,结合线性支持向量机(Support Vector Machine, SVM)对各区域分类,实现车牌的精确定位,该方法可以快速准确地定位车牌区域。针对车牌字符分割提出了一种基于连通域分析和固有特征相结合的分割方法。在二值车牌图像的基础上采用连通域分析法对车牌的数字和字母进行分割,再根据字符的长宽信息验证汉字的位置并分割,从而实现车牌字符的准确分割。为实现车牌字符识别,本文根据字符的类型,分别设计了汉字分类器、字母分类器和字母数字混合分类器。对于汉字字符提取其笔画特征和网格特征并结合SVM进行分类；对于字母和数字字符提出一种二级分类方案,该方法显著地提高了相似字符的识别精度。此外,本课题组建立了自然场景下的车牌图像数据库,并对数据库中412幅自然场景下的车牌图像进行了验证,实验结果表明本文提出的算法精度高、速度快且具有较强的鲁棒性。