车牌识别系统作为智能交通系统的核心，已成为目前交通系统领域的重要课题，具有广泛的应用前景。　　 车牌识别系统主要由车牌预处理、车牌定位、车牌字符分割、车牌字符识别四个关键部分组成。作者在阅读了大量的中外文献后，主要对车牌定位、字符分割和字符识别三项关键技术进行研究，提出相应的改进算法，并通过实验对算法进行了仿真实现。　　 (1)车牌粗定位。针对已有的车牌定位经典算法对背景复杂的图片普遍存在获取率不高的问题，论文提出了一种基于灰度值区域生长的定位算法。该算法首先根据像素灰度值进行区域增长，初步找到车牌候选区，再采用矩形序列寻找算法，同时综合车牌先验知识实现车牌粗定位。　　 (2)车牌精确定位。论文采用迭代的最小二乘法拟合矩形序列内所有矩形左上顶点所在直线的斜率，并根据此斜率计算出车牌的水平偏转角度，进行车牌水平校正，实现水平方向的精确定位;还根据车牌自身特点提出了新的车牌垂直校正方法，该方法根据字符外接矩形与字符上、下半部分最宽位置构成的平行四边行之间的关系，计算出车牌的垂直偏转角，然后通过像素移动完成垂直校正。　　 (3)字符分割。论文提出一种基于改进的边缘检测L-算子对车牌图像进行边缘检测，同时结合像素灰度值统计进行车牌字符分割的新算法。该算法的思路是:先用数学形态学突出车牌字符区域，然后用边缘检测L-算子对车牌图像边缘提取，并通过统计车牌行列像素灰度值突出单个字符区域，最后结合车牌的先验知识分割出单独字符。　　 (4)字符识别。根据车牌字符的特点，论文采用改进的Hausdorff距离多模板匹配算法对车牌字符进行识别。该算法首先计算所有字符模板与待识别字符的匹配度，再判断是否属于相似字符组中的字符，如果是相似字符，则进行第二次细分，从而进一步提高识别率。　　 实验证明:论文的车牌识别系统对受光照影响、变形、字迹受损、有倾斜角的车牌有较强的抗干扰能力，且准确性、实时性、鲁棒性均较好。