机动车辆牌照识别是现代智能交通中应用最广泛的一门技术。近年来关于车辆牌照识别系统的研究方法种类很多,也达到了很好的效果。但是对于多种格式的牌照的通用性不太好,造成了重复开发。而且解决车牌图像中的噪声和字符粘连等问题也一直是研究的重点。本文开发了一种可配置的车牌识别系统,它能通过定义斜角、行数、模板参数、字符样式等4个因素,适应不同类型的车牌。整个机动车辆牌照识别系统由基于边缘检测的车牌定位、基于模板匹配和连通性分析的字符分割和基于人工神经元网络的字符识别三个部分组成。车牌定位算法采用的是垂直Sobel算子边缘检测,针对边缘检测后图像中干扰边缘的噪声影响,加入了区域生长,剔除了一些离散的边缘。车牌字符分割算法中,利用车辆牌照的标准格式这一先验知识,首先对字符分布区域进行粗分割,一定程度上解决了仅用连通分量提取对字符粘连抗干扰性差的缺陷。在字符识别算法中,采用了典型的三层BP神经网络,提取基于灰度值的字符结构特征作为字符的特征,并根据车牌格式将识别系统划分为包括标志、数字和英文字母的识别子系统,减少了分类的数目,提高了识别速度。用实时采集的车牌图像进行实验,实验结果表明,本系统识别的准确率高,速度快。