用计算机和CCD(ChargeCoupledDevice)摄像机识别出汽车牌照号码的车牌识别系统(LPR)，已经广泛应用到高速公路不停车收费，车辆检测，停车场监控与管理，路面行驶车辆监控等应用中。 车牌识别系统是图象处理、模式识别、人工神经网络(ANN)等技术在智能交通系统(ITS)中的具体应用，这些技术一直是人们的热门研究方向，已经提出了许多方法和相应的算法。用软件实现车牌识别具有造价低，可维护性好的优点，一直是一项研究和应用的重要课题。本论文主要围绕设计和实现一个快速的，对来自不同的应用场合、不同的环境下的汽车牌照图象具有良好适应能力和鲁棒性的车牌识别系统，在涉及到的相关领域进行了展开之外，着重介绍了我们的车牌识别系统中的图象处理分析方法和基于神经网络的识别技术。 论文首先介绍了车牌识别系统的一些基本概念，研究背景，研究现状，实际应用领域现状。 论文的第二章在介绍了基于CCD器件的图象采集系统之后，着重介绍了视频采集的软件技术和应用于现场环境时的用来提高采集图象质量的全天候图象采集技术。 论文的第三章是在阅读和研究了大量的基于图象处理的车牌识别应用和研究的资料、文献后，总结出了车牌识别系统涉及到最密切的一些技术。本章着重介绍了在实际应用中我们是如何采用这些技术的，并讨论了一些方法的创新性研究。 论文的第四章和第五章在总结了车辆牌照子图象的定位与分割技术基础上，对基于车牌区域中的纹理和灰度等特征的快速自适应(保证实时性的同时做到系统参数个数少、范围宽)的图象处理分析方法进行了详细介绍，并将各个模块用反馈机制组合起来。 论文的第六章在第五章的基础上，在获得车牌字符图象后，利用人工神经网络对车牌字符进行识别。主要介绍了用于提高神经网络收敛性能的字符图象预处理方法和用于车牌字符识别的多神经网络集成方案，并详细讨论了BP网络应用方案的各个方面。 论文的第七章在前几章的基础上，简单介绍了我们的基于图象处理和人工神经网络的车牌识别系统，并概括了系统软件设计中用到的软件设计思想。 论文的第八章是对基于图象处理和识别的车牌识别系统未来的应用研究的进行了展望。