车牌识别是智能交通系统的重要部分，主要涉及模式识别、数字图像处理、计算机应用和人工智能等学科。车牌识别过程主要由车牌定位、车牌字符分割和车牌字符识别组成。文中主要对车牌字符识别进行了研究，并在MATLAB环境下进行了相应的实验。文中在车牌字符识别过程中，主要采用了基于模板匹配的车牌字符识别方法。首先将字符的标准模板存储在电脑中备用，然后将待识别字符进行灰度化和二值化，然后将归一化后的待识别字符与存储在电脑中的标准字符模板进行匹配。文中选择的匹配方法是将待识别字符与标准模板进行逻辑“与”运算。进行运算后会得到一个新的字符模板，再根据预先设计好的判别函数对得到的新字符模板进行判断，从而得出识别结果。我国车牌字符由汉字、字母和数字组成。根据汉字、字母和数字结构的不同，在判别函数部分文中将整个车牌字符分为两部分进行研究。汉字为一部分，数字与字母为另一部分。在汉字识别部分，文中将求取标准模板、待识别字符和新字符模板三者标准差的最小值作为一个判别函数；将求取新字符模板最大值作为另一个判别函数。在数字与字母识别部分，文中将求取标准模板、待识别字符和新字符模板三者的标准差最小值作为一个判别函数；将求取新字符模板与标准模板比值的最大值作为另一个判别函数。文中对每个判别函数的判别结果进行了对比，发现不同的判别函数都有不同的优点。因此，文中提出选择一个适当的分界值，将两个判别函数进行联合使用。通过联合使用判别函数后，可以有效地运用每个函数的不同优点，使整个识别结果有所提高。在车牌汉字字符识别中，文中选择作为分界区间将两个判别函数联合使用，此时的总识别率由分别使用判别函数时的83.45%和68.31%提高到84.51%。在单个字符识别上，也做到了兼具两者优点的要求。在数字和字母字符识别中，文中选择作为分界区间，通过此分段区间联合使用判别函数后的总识别率由单个使用判别函数的83.81%和80.94%提高到84.33%。并且此时具备了两个判别函数的优点，使得整个识别更加稳定。