车牌图像自动识别系统是计算机视觉和模式识别技术在智能交通领域的重要应用,在车牌识别的过程中存在着大量的不确定信息。粗糙集理论以信息系统为研究对象,能有效地分析和处理不精确、不完整、不一致的信息,从中发现隐含的知识,揭示潜在的规律。而神经网络理论以其较强容错能力和较好的泛化能力,广泛应用于模式识别中。因此,将粗糙集的知识获取能力与神经网络的分类能力相结合,进行车牌图像自动识别系统的研究与实现,具有一定的理论意义和实践价值。本文完成了以下工作:1、 在车牌分割方法的研究上,提出一种综合纹理与颜色的车牌分割算法,较好的实现了复杂背景下的车牌定位与分割。2、 进行基于粗糙集的车牌字符图像的知识表示与获取的研究,包括车牌字符图像决策表的建立、离散决策表、约简决策表与获取规则。提出基于属性重要性的离散化方法,对不同离散化算法的知识获取结果进行了比较分析,验证了算法的有效性。基于Rosetta软件与Matlab6. 1完成了字符图像的知识获取。3、 在车牌字符识别技术的研究上,应用基于粗糙集理论的字符知识获取结果,实现了粗糙集规则匹配的车牌字符识别方法,提出了粗糙集和RBF神经网络结合的车牌字符识别方法,进行了比较试验。4、 在理论研究的基础之上,基于Microsoft Visual C++6. 0实现了相关处理算法和车牌识别软件的界面,改进和完善了车牌识别系统的软件平台。该软件平台具有图像的读取存储、预处理、车牌定位及分割、车牌字符切割、特征提取和识别等功能。软件能单独完成识别过程中的各项功能,并且具有多种算法可供选择。实现了识别全过程的连接,可进行汽车牌照的全自动识别。