车牌识别系统是现代智能交通的主要构成部分,在交通监控、交通管理等众多领域扮演着重要的角色,是近年来图像处理技术和各种新技术在智能交通领域应用中的重要研究课题之一。随着汽车的普及,车牌识别系统的性能显得日益重要,以前在理想环境下的车牌识别系统已经无法满足需要。因此,研究在实际应用中复杂环境下的车牌识别技术逐渐成为当前研究的热点。本文主要对面向应用的车牌识别进行了研究。本文首先对车牌图像的噪声模型以及去噪技术进行研究。然后紧密围绕实际应用中复杂噪声环境下的车牌识别系统进行研究,不仅在总体设计中进行图像去噪处理,而且在系统设计的各个环节中,均考虑噪声的影响。首先对输入图像进行包括自适应去噪的预处理,将图像转换为适合后续车牌定位、识别的图像；然后进行基于边缘提取和形态学处理的车牌初定位,再进行基于颜色的车牌分割,对于边缘提取,通过对比各经典边缘提取算子对噪声的敏感度,选取即对噪声不敏感又能有效提取出车牌边缘的sobel算子；紧接着进行字符分割,对获得车牌图像进行倾斜校正和自适应二值化后,对图像利用提出的移动窗口投影法进行字符割,有效的减少噪声的影响。最后,利用具有较强鲁棒性的相关匹配法对图像进行字符识别处理。本文利用matlab软件在各种单强噪声和混合强噪声下进行实验。实验结果表明,所设计的系统,在复杂环境中能够达到较高的识别率,有效地去除噪声的干扰,适合实际应用中复杂环境的车牌识别,具有较强的鲁棒性。