车牌识别系统是智能交通系统的重要组成部分,有着广泛的应用。车牌识别系统主要由三个部分组成:车牌定位、字符切分和字符识别。本文的研究重点是车牌字符识别这个部分。在车牌定位方面,本文首先分析了我国机动车号牌的特征,然后采用基于数学形态学的车牌定位方式,接着采用了改进的Bernsen算法进行车牌图像二值化,并对采样数据进行了实验,结果表明,采用该方法车牌定位准确率高。在字符切分方面,本文首先根据车牌的规格确定车牌字符区域的上下边界,接着用基于第二个字符的字符切分方法对车牌进行字符切分,最后对第一个字符和最后一个字符的宽度进行调整。并对采样数据进行了实验,结果表明该方法切分速度快,同时保证了字符切分的正确率,效果良好。在字符识别方面,本文针对车牌字符的排列特征,设计了汉字、字母、字母或数字、数字四种不同的SVM分类器。在字符的特征提取方面,比较了提取32维粗网格特征、128维粗网格特征和192维外围轮廓特征时分类器的性能,并对采集的样本数据进行实验,结果表明提取128维粗网格特征时分类器的识别率比较高;在SVM多类分类方面,本文研究并比较了“一对一”和“一对多”两种多类分类方法,通过对采集的样本数据进行实验,测出“一对多”多类分类方法比“一对一”多类分类方法对字符的识别率高;本文对传统的“一对多”多类分类方法进行改进,并对样本数据进行实验,结果表明,改进后的方法在识别速度上有较大的提高;本文还针对相似字符易混淆的问题,提出了识别相似字符的新方法,实验结果表明,该方法对相似字符的识别效果良好。