该文在借鉴国内外相关研究成果基础上，以图像处理为技术依据，根据人的视觉特征，为增强识别方法的鲁棒性，提出了车牌识别的三个指导原则：充分利用先验知识;由粗到细逐步实现对识别对象的描述;以全局特征为主辅以局部特征.根据车牌的特点提出了基于车牌图像灰度梯度的车牌自动识别的框架，并在此框架下重点对定位、分割、识别等关键技术进行深入研究，提出了新的、有效的技术方案.该文解决的第一项关键技术是目标定位.标准的汽车车牌主要由黑字黄底黑边框的、白字蓝底白边框的、红字或黑字白底黑边框的三种类别组成的，这三种颜色组合具有很强的对比度，是日常生活中所见到的颜色组合中对比度最大的，有利于人眼的识别，可见车牌本身的设计非常充分地考虑了便于人眼定位问题.由于各种因素的影响，采集到的车牌图像其对比度特征往往受到不同程度的干扰.在夜间采集到的车牌图像中，由车灯引起的车牌对比度失真往往非常强烈，并且很难避免，对于这种情况下的干扰，就必须首先消除掉.此外，由于摄像角度的原因，摄像机不能完全和车牌垂直，这种非理想的几何关系导致长方形的车牌被摄制成具有一定斜度的平行四边形.为了在车牌识别中消除上述两种干扰（车灯干扰和摄像角度不理想），该文针对性地提出了消除灯光干扰的预处理方法和倾斜车牌校正方法.车牌是一个长方形（在摄像角度变化时，近似为平行四边形），在采集到的图像中占有一定的面积，针对车牌在图像中对比度很大的特点，提出了基于单位长方形面积内水平梯度最大的新的定位算法，有效解决了背景复杂、存在灯光干扰、车牌倾斜等问题，车牌定位正确率达到了98.9％以上.该文解决的第二项关键技术是目标分割.目标分割的主要目的是将车牌区域图像及其字符从背景中分割出来，得到每个字符的图像块.由于车牌中的字符上下、左右边界可以由其散布特征和垂直投影方法来决定，因此该文提出了一种基于先验知识的算法来解决车牌区域图像及其字符分割问题.鉴于我们常用来解决图像分割问题的大津二值化方法（Otsu）对于字符粘连问题处理效果并不理想，该文提出了一种适用性强、计算简单的基于经验公式的二值化车牌分割算法，有效解决了光照条件差、污损等情况下的字符粘连难以分割的问题，实测证明该算法的字符分割准确率达到98.7％.该文解决的第三个关键技术是目标识别.因为被分割出来的字符点阵太小（宽高仅仅10*20像素），局部特征不明显，因此在识别过程中采用全局特征而不使用局部特征.另外由于车牌字符字体统一，是由汉字、英文字符和数字混合组成并且位置固定，因此该文特别采用全局特征，使用多模式二级识别，提出了一种基于失配比例加权惩罚匹配模型的图像匹配算法，实测证明该算法的字符识别准确率达到了98.5％以上.最后，该文给出在用户提供的训练样本集下的实验系统的具体性能指标.