我国经济的快速发展使得汽车拥有量急速增加，公路交通逐渐成为比较重要的运输途径，所以公路交通是我国大力发展的基础设施。城市交通的日益拥堵需要用更有效和更先进的交通管理和控制。用电子信息技术提高交通效率、管理效率以及安全,智能交通系统ITS已成了目前交通管理的主要方向。本文将现代信号处理技术—小波技术，应用到智能交通领域，即将小波变换应用到车牌识别技术当中来，并结合改进的BP神经网络和模板匹配对车牌字符进行分类识别。主要的研究内容和成果如下：1、在预处理阶段，本文使用了灰度变换、邻域滤波、中值滤波进行图像降噪，使用直方图均衡化和灰度拉伸进行图像增强，为了突出车牌信息，在直方图均衡化的基础上，本文提出了基于小波变换的非线性图像增强算法。经试验证明使用该算法平滑了图像的直方图，而且在整体上增强了图像的清晰程度，并且图像的边缘有了明显的增强。2、在车牌定位阶段，本文使用了dbN小波的车牌定位算法。通过研究dbN小波的特点和性质，并通过大量的仿真实验，提出了采用db8小波对车牌的左右边界进行定位。在采用数学形态学等方法取得车牌的上下边界以后，使用db8小波对图像进行分解处理，提取有效信息。经试验证明，db8小波能够有效的去除车灯等无关区域的影响，为最后的车牌细定位提供良好的支持，最终本文算法对车牌的定位准确率达到91.2%。3、在字符分割阶段，把车牌图像首先进行了二值化和倾斜角的校正处理。通过大量的实验，提出一种基于小波变换了的阈值函数，对车牌区域进行消噪；然后是字符分割，先除去车牌上下边框，利用垂直投影、先验知识结合的办法分割出每一个字符区域，再寻找字符的形态学连通域，切出字符矩形最小区域，对误切分汉字进行合并处理。4、对于字符的识别，先对字符图像进行预处理，包括大小归一化和细化处理；然后研究了字符的特征，针对BP神经网络收敛速度慢，在汉字字符识别的过程中，提出了基于改进的的BP神经网络进行识别；最后提出了一种改进的模板匹配算法，将模板匹配与字符特征和提取边缘模板结合在一起，来识别数字和字母。此方法使得正确率和适应性都得到了提高，具有很好的应用价值。