模式识别，作为人工智能的一个重要领域，随着人工智能的发展，对于模式识别的研究越来越引起人们的广泛关注。车牌识别技术是模式识别理论在实际中的一个推广。 车牌识别是智能交通系统中的一个重要环节。它在交通监视和控制中占有很重要的地位，有着多种应用，例如自动收费系统、不停车缴费、失窃车辆的查寻、停车场车辆管理、特殊部门车辆的出入控制等等。同时，车牌识别的方法还可应用到其他检测和识别领域，所以汽车牌照的识别问题已成为模式识别领域中研究的重点和热点问题之一。运用此技术不仅可以提高管理部门的工作效率，节省大量的人力、资金，甚至能够降低与汽车有关的犯罪率，为维护社会治安发挥独特的作用。 本论文中主要对车牌的定位、车牌图像的预处理、车牌图像二值化及车牌的字符分割、字符识别等方面进行了一些阐述与说明，通过对已提出的技术与方法的研究、归纳、总结，在此基础上，结合该问题自身的特点，提出了一定的改进算法。 对于整个车牌识别系统来说，车牌识别精确度的高低主要取决于定位精确度的大小。本文中除对一些识别及定位算法有所陈述外，重点对车牌识别系统中的定位方面加以研究。运用小波变换这一数学工具进行了车牌图像的预处理及边缘检测，并提出了一个基于种子过滤算法的尺寸—形状过滤器，用它来消除那些不满足约束条件的噪声区域。然后根据这种算法进行垂直边界匹配来从输入的灰度图像中识别车牌。 同时本文中也对车牌识别系统中的字符识别部分进行了一些研究工作。提出了将拓扑特征识别方法和神经网络识别方法相结合的数字识别方法，取得了较高的识别率和可靠性。