近年来,随着信息技术和计算机技术的发展,为了使集装箱运输管理更加方便,人们越来越重视集装箱号码自动识别技术,并且这一技术在码头、火车站等场合得到了广泛的应用。例如：当集装箱卡车通过装有集装箱箱号检测系统的大门时,系统可以自动识别出集装箱号码,把系统识别的结果反馈给计算机系统,可以实现动态跟踪集装箱,这样也更方便管理。虽然集装箱识别系统的优点有很多,但是也存在不足。比如雨、油污、雾、集装箱表面的凹凸折纹等一些因素都会影响字符识别。在这些因素的影响下,集装箱的字符会发生畸变或缺失,让这个系统的识别率受到很大的影响。集装箱号码识别的关键技术主要由四个部分组成,包括号码区域定位、号码字符分割、字符特征提取和字符识别。本文对这四项技术分别进行了深入的研究,并取得了一些有意义的成果。在号码定位部分,根据先验知识,要先对图像进行预处理,图像的预处理有很多内容,本文主要介绍了图像的灰度化、对比度增强处理、二值化、滤波去噪、边缘检测以及数学形态学等方面的处理,最后得到号码的精确定位。在号码分割部分,为了有效的分割字符,本文采用垂直投影法对图像进行分割。对于存在粘连的字符,运用投影二值法来进行分割。在特征提取部分,可以采用的方法有很多,比如：逐像素特征提取法、骨架特征提取法、13点特征提取法等等。经过几种方法的比较,本文最终采用改进的粗网格特征提取法来提取字符的特征向量,这种方法可以得到局部特征和全局特征,很好的反映每个字符的特征。在字符识别部分,采用改进后的BP神经网络来对字符进行识别。本文设计了两个三层BP神经网络来分别识别集装箱中的数字和字母,避免相近字符的混淆,最终得到识别结果。本文在Matlab平台下对实验进行了仿真,实现了算法的基本功能,基本达到了实验的预期目标。