数据融合技术已经成功地应用于众多的研究领域，在模式识别领域也有巨大的应用价值。通过研究发现，对于复杂环境下的模式识别问题，如车牌上的字符识别，目前还没有一个简单的方法可以达到较高的识别率和可靠度，每一种方法都有其优点，缺陷和不同的适用范围。因此，研究如何将不同的方法有机地结合起来以充分发挥各自的优势，克服其缺陷，从而构成融合型的识别系统成为当前模式识别研究的一个主要方向。基于此，论文提出了在数据融合理论的基础上对车牌上的字符进行识别的方法。 车牌自动识别系统一般包括车牌定位、字符分割和字符识别三大模块。论文以数据融合的相关理论为支撑，将计算机视觉与模式识别技术相结合，对车牌字符识别部分进行了重点的研究和分析。第一部分介绍了车牌识别技术的研究背景和意义，概括了数据融合技术的研究现状、发展方向及应用。第二部分讲述了车牌自动识别系统的工作原理和工作流程，利用图像处理技术完成了车牌图像预处理的内容，比较各种定位与分割方法后结合车牌的先验知识选择了基于水平扫描、垂直投影的定位算法和垂直投影波谷法的字符分割算法，实现了车牌区域的定位和单个字符的分割。第三部分详细介绍了数据融合技术的定义、原理、分类及算法。第四部分作为课题研究的重点内容，介绍了数据融合技术在车牌字符识别中的具体应用。内容的难点在于字符特征的提取、神经网络结构的设计、网络参数的配置及网络的训练、模糊推理算法的研究等。在充分研究了各个模块理论的基础上通过软件编程实现了最终的车牌识别系统，并对部分测试图片进行了识别测验，系统的识别性能较单一的识别方法有较大提高。论文最后对系统的性能进行了分析，并对以后的工作进行了展望。