随着国民经济的日益发展,各种车辆迅速增加,在改变人们生活便利的同时,也引发了许多问题。采用智能交通管理系统(ITS)已成为当前公路交通、城市交通管理的主要手段和发展方向,而车牌自动识别技术又是智能交通管理系统中的核心部分。本文主要研究了车牌自动识别系统的设计与实现技术,综合运用了图像分析与处理技术以及人工智能和模式识别技术,在总结前人经验和工作基础上,提出了自己的整套解决方法。具体包括以下内容:车牌定位算法的研究。针对在实际交通路口中所拍下的背景复杂的高像素数码图片,本文提出了一种小波阈值去噪结合行扫描法对车牌进行粗定位,综合利用车牌多种特征的快速定位方法。该定位方法充分利用了车牌的纹理特征,色彩特征以及几何特征,引入置信度的概念筛选可疑区域。经过牌照初定位,基于Radon变换的牌照倾斜角检测,牌照精确定位三个步骤,快速准确定位出车牌所在位置。实验结果表明,对于背景复杂的高分辨率数码车辆图像,本文提出的定位方法定位速度快,定位准确率高,可适用于多种背景复杂的实际车牌识别系统应用场合。车牌字符分割算法的研究。本文提出了在颜色空间中利用树型判决结构,对车牌的类型进行判别,再根据字符规则利用投影形成空格区向量,通过搜索符合规则的向量准确分割车牌区域中的字符。对字符粘连及字符断裂现象分别提出了解决方法,可以有效地对车牌区域进行分割。车牌字符识别算法的研究。本文提出了半分积分投影对车牌字符提取特征向量,可以有效提高字符特征向量区别度;并用支持向量机(SVM)实现了车牌字符识别系统中的训练识别部分。利用该方法进行字符识别,在训练样本相对较少的情况下,仍可得到较好的识别率。研究了多类分类的支持向量机算法并应用到车牌字符的训练识别中,采用了序列最小最优化算法(SMO)对字符特征向量进行训练,然后用一对一的多类分类方法以投票方式对字符类别进行判决。