准确获取和记录货车车号信息是铁路运输系统运行的一项基本任务。传统的货运车号获取办法由人工抄写记录,具有效率低、容易出现差错等缺点。现有的货车车号自动识别方法需要手工设计图像特征,效率不高。本文利用数字图像处理技术和深度学习技术,建立了一种自动识别铁路货车车号的系统。首先研究了图像预处理技术,包括图像增强技术和图像去噪技术。通过图像预处理可以提高图像对比度、减少图像噪声同时保留图像边缘。其次,研究货车车号字符在图像中候选区域位置的确定,利用图像的颜色空间和关键点密度,综合检测确定出货车车号字符所在的候选区域。然后,建立了深度卷积神经网络模型用于自动地提取图像的特征,并实现了车号字符在图像中的精确定位。最后,对比研究了几种常用的分类器：k-近邻分类器、Softmax分类器、支持向量机分类器。实验结果表明,k-近邻分类器的分类正确率最低,Softmax分类器和支持向量机的正确率相当,支持向量机略高,因此,本文采用支持向量机作为分类器,用于识别车号内容。本文建立的基于图像的铁路货车车号自动识别系统,可以准确识别出火车货车车号,为铁路系统自动化运行和管理提供有力的技术保障。