随着经济的发展，车辆数量急剧增大，交通问题日益突出，这使得智能交通系统成为一个热点研究领域，受到日益广泛的关注。车牌识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一，是智能交通系统的重要组成部分，可广泛应用于交通事故处理，违章车辆监控，不停车收费，机场、港口、小区等出入口的车辆管理等，应用前景十分广阔。 车牌识别主要包括车牌定位、字符分割和字符识别三项关键技术。虽然已有很多车牌字符识别方法，但当车牌图像质量退化，特别是牌照中的字符出现较严重的模糊、扭曲、倾斜、缺损或污迹等情形时，车牌字符识别仍是一个有待解决的难题。 本文综合比较了以往的车牌字符识别技术，结合图像处理与模式识别的知识，对彩色图像矢量中值滤波和鲁棒的车牌字符识别算法进行了研究。 提出了一种快速的彩色图像矢量中值滤波算法。传统的矢量中值滤波器随着滤波窗口的增大运算量在迅速增加，影响算法的快速性。本文基于象素的区域属性，定义了一种方向区域距离测度并据此将滤波窗口划分为两个子窗口，然后使用子窗口内的象素进行矢量中值滤波，既保持了彩色图像的细节，具有较好的视觉滤波效果，又降低了算法的运算量，提高了运算速度。 提出了基于边缘Hausdorff距离的车牌数字及字母字符识别算法。该算法采用两级模板匹配，首先对字符进行基于前景匹配测度、背景匹配测度和整体失配测度的模板匹配，然后对匹配失败的字符图像进行边缘检测，最后进行边缘Hausdorff距离模板匹配。实验结果表明该算法不仅能识别相似字符，而且对字符的缺损、旋转和扭曲具有鲁棒性，具有较好的字符识别效果。