随着经济全球化的快速发展,人们的生活水平得到逐步地提高,交通运输的方式发生了翻天覆地的变化.车牌识别系统作为智能交通系统中的一个重要组成部分,已经在停车场车辆管理、监控违章车辆、高速公路收费管理系统等领域都有十分广泛的应用.在一般情况下,完整的车牌识别系统包括图像采集,车牌定位,车牌字符分割和字符识别四个部分,本文是在车牌定位和字符分割已经完成的基础之上,主要针对车牌字符识别这一部分进行研究.首先,针对车牌字符识别中模板匹配法识别率低,尤其是无法准确识别相似字符的不足,本文提出了一种模板匹配法结合局部HOG特征的车牌识别算法.首先利用模板匹配法对车牌所有字符进行初步识别,然后分别提取车牌和模板相似字符中最具区分度的一小块HOG特征进而构建特征向量,最后根据特征向量之间的欧氏距离来度量车牌字符和模板字符的相似性,进而完成二次识别.实验结果表明,本文方法有效地解决了相似字符误识别的问题,在保证识别速率的同时识别率显著提高.其次,在不同倾斜角度影响下,针对模板匹配结合局部HOG特征法的不足,结合LBP特征和HOG特征的优点,本文提出一种局部HOG和分层LBP特征融合的车牌字符识别方法.首先利用模板匹配法对车牌所有字符进行初步识别,然后利用HOG算子提取车牌和模板相似字符中最具区分度的一小块边缘特征,接着利用LBP算子提取原始车牌和模板相似字符中相同区域块的分层纹理特征,将两种特征串行融合构建串行特征向量,最后根据特征向量之间的欧式距离来度量车牌字符和模板字符的相似性,进而完成二次识别.LBP特征主要提取图像的纹理信息,对旋转具有很好的鲁棒性;HOG特征主要提取图像的边缘轮廓信息,对光照和字符分割影响具有一定的鲁棒性.通过实验比较了11种算法的识别性能,结果表明,单一的LBP特征法和HOG特征法远不如本文方法,针对字符分割影响、光照影响以及倾斜角度影响,本文方法都具有一定的鲁棒性.