车型自动识别在交通监控和管理中有着广阔的应用前景。本文研究了基于图像分析的车型识别技术，研究内容包括车辆分割、车型特征提取及车型分类，主要工作如下：　　 （1）车辆分割研究。当车辆图像与背景图像局部像素灰度值相近时，基于投影的车辆分割方法易产生分割错误，本文提出了一种基于区域扫描的车辆分割方法，较好地解决了这一问题，并可有效避免多车情况下其它车辆的干扰，解决复杂交通情况下车辆的分割问题。　　 （2）车型特征提取。根据车型分类的需要，研究提取车辆的长、宽、面积、周长、轮廓、矩特征等车型特征参数；讨论了类别可分性判据，基于类别可分性判据，分析了车型特征参数的选择问题，为车辆分类奠定了基础。　　 （3）车型分类研究。研究了基于BP神经网络的车型分类，并结合BP神经网络分类器，研究了不同特征选参数对车型分类结果的影响，通过选择合适的特征参数，获得了较高的分类正确率；为了进一步提高分类正确率，研究了基于PNN神经网络的车型分类，实验结果表明，基于PNN神经网络的车型分类效果优于BP神经网络。