随着数字图像处理技术的发展,车牌自动识别技术己成为智能交通系统的重要组成部分。现有的车牌自动识别技术的研究已很广泛,但多是基于车辆图像质量良好的假设。在智能交通系统中,图像采集设备采集到的车辆图像有时会因运动而模糊,因此针对运动模糊车辆图像的车牌自动识别技术的研究有很现实的意义。本文主要讨论运动模糊车牌图像的恢复、定位、校正及分割方法,在总结近年来国内外最新研究的基础上,对有关算法进行了改进或给出新的算法。首先在分析了现有的运动模糊恢复算法的基础上,给出了两种运动模糊恢复的算法:第一种方法是基于PSF估计和空域参数自适应正则化的运动模糊恢复算法,根据模糊图像估计出运动模糊的方向和长度,用改进的参数自适应的空域正则化恢复算法对模糊图像进行恢复;第二种恢复方法是基于模糊支持向量回归的恢复算法,根据由模糊图像训练得到的回归模型来实现图像的恢复。实验结果表明,本文提出的方法均能较好地实现运动模糊车辆图像的恢复。在车牌定位阶段,考虑到运动模糊恢复后的图像质量与理想图像仍有一定差距,传统的定位方法的准确率将受影响,文中实现了一种基于混沌遗传的车牌定位方法。该方法利用混沌遗传算法进行全局寻最优,从而实现车牌定位。实验结果表明,文中方法在图像分辨率低、图像质量差等情况下仍有较好的定位效果,适应能力强。在倾斜校正方面,文中提出了一种基于角点检测和惯性主轴的车牌水平倾斜校正方法,并在算法复杂度等方面与现有校正方法进行了比较,从实验结果中可看出该方法速度快、精度高。在字符分割阶段,给出了一种二维最小交叉熵阈值分割的快速迭代算法,这种阈值分割方法能快速准确地实现车牌图像的二值化,随后用投影方法实现了字符的分割。