车牌识别是模式识别领域的经典研究课题,具有重要的理论研究价值和实际应用价值。车牌识别技术的研究能够推动数字图像处理、机器视觉、机器学习、模式识别等技术在智能交通领域的广泛应用。最小二乘支持向量机建立在结构风险最小化准则之上,能够有效解决小样本的训练问题,具有较好的推广能力,在模式识别领域取得了成功的应用。鉴于小波变换良好的时频特性,本文中利用小波分析的方法对图像进行处理,具有独特的优点。在提取车牌特征时,采用了典型的奇异值提取图像代数特征的方法,对得到的奇异值特征利用最小二乘支持向量机进行分类。因而,该研究方法具有一定的理论意义和实践价值。本文主要研究工作包括：1.研究基于小波分析的车牌图像处理方法,利用基于小波变换的图像增强方法,降低图像噪声、增强图像,通过检测并提取图像的边缘,以便验证字符的完整性,并利用小波分析方法对图像进行压缩,得到质量较高的车牌图像；2.对带有复杂背景的图像定位车牌区域并提取车牌,对车牌进行二值化处理并分割得到车牌字符图像；对分割后的字符通过奇异值分解提取车牌字符图像的奇异值系数特征；3.研究了车牌的识别算法,本文借鉴基于支持向量机车牌识别的研究思想,提出采用最小二乘支持向量机分类算法对车牌字符数值特征进行识别,将字符奇异值特征作为支持向量机的输入进行训练和分类,采用多类分类器算法,设计并实现了数字、字母分类器,实验采用了LS-SVM工具箱。