随着城市交通压力的不断增大，智能交通系统的重要性已经日益显现。目前车辆自识别系统已经在多个领域得到广泛应用，在车库管理、路口收费、违规抓拍以及事故处理上都发挥了极其重要的作用。车辆自识别系统的实现具有很大的经济价值和现实意义。车标定位和车标识别是车辆自识别系统中的两项关键技术。本文研究了一种车辆标志自识别系统的算法实现。第一章，阐述了该课题的研究背景，介绍了国内外智能交通系统的发展情况，并对车辆识别技术中所包含的车型识别、车牌识别以及车标识别技术做了简要介绍，并分析了本课题所研究的车标自识别系统的发展现状和技术难点。第二章，研究了车标检测定位与识别的基础理论。在车标预处理方面研究了运用加权平均值法的数字图像灰度处理；通过直方图均衡化提升对比度的方法；运用邻域平均法进行平滑去噪的方法。本课题利用边缘检测方法实现车标检测与定位，先介绍了经典算子法里常用的Sobel边缘检测算子、Roberts边缘检测算子、Laplacian边缘检测算子以及Prewitt边缘检测算子的理论及应用，然后介绍了最优算子法里的Canny算子、LoG算子两种算子的理论与应用。车标识别部分则是先介绍车标特征选取的原则及四种常用特征：纹理、颜色、空间关系和形状，然后介绍了主成分变换和Hu不变矩两种特征变换方法。接下来针对分类决策描述了最小距离分类器、贝叶斯分类器、支撑向量机分类器以及神经网络分类器四种分类器。第三章，详细论述了该系统基于背景抑制和形态滤波的车标定位算法的实现。先利用目前成熟的车牌先验知识和定位算法，实现车标的粗定位；然后经过加权平均值的灰度法和邻域平均法实现车标的图像灰度化和平滑去噪；再利用Sobel的边缘检测算子进行车标的进一步检测；接着通过背景去噪后，利用矩形结构元素实现车标精确定位。第四章，先对车标矩特征进行提取，然后针对车标的矩特征，选择7个Hu不变矩，作为特征不变量进行识别分类，再通过已经建立好的标准特征库进行比对，利用欧几里德距离对车标相似度做度量最终实现车标识别。经过大量实验，证明了该识别算法精度高、处理速度快。第五章，对本文的研究做了总结，对目前该系统的优势和弊端做了列举，并对该系统的改进做了展望。