1、隨著經濟的快速發(fā)展，人們收入水平的穩(wěn)步提高，私人汽車成為了人們適應快節(jié)奏出行的首要選擇。但是我國的交通基礎設施建設并沒有跟上汽車增長的步伐，導致了交通擁堵、環(huán)境污染、停車難等一系列社會問題，嚴重制約了社會經濟的發(fā)展，因此，越來越多的學者加入到交通問題研究的隊伍當中。其中，智能交通技術是保持交通可持續(xù)發(fā)展的重要手段，車牌識別技術是智能交通系統(tǒng)的重要研究課題之一，而車牌字符識別又是車牌識別系統(tǒng)的一個重要支撐點。
　　本文在總結前人研究

2、經驗和工作成果的基礎上，對幾個車牌字符識別的關鍵技術提出新的改進算法。首先，通過利用改進的基于頂帽變換的圖像增強算法進行圖像預處理，經過亮度均衡后的車牌圖像能夠消除閾值化過程中由照度變化不均勻而產生的噪聲，有效解決了車牌圖像背景的噪聲問題，為后續(xù)的車牌字符識別奠定基礎;其次，通過分析常用的模板匹配函數(shù)，提出了新的基于全局信息的車牌匹配函數(shù)——全局重合度函數(shù)，實驗表明，全局重合度函數(shù)能有效地提高車牌字符的識別效率，優(yōu)于傳統(tǒng)的模板匹配函數(shù);

3、再次，針對車牌字符圖像的特點，分別對字符特征提取算法和特征分類器進行了優(yōu)化，實驗結果表明，優(yōu)化后的車牌識別算法的識別率達到了96.54％，平均識別時間為0.384s;最后，本文在傳統(tǒng)LeNet-5卷積神經網絡結構的基礎上提出了一種簡化的多通道網絡結構(Multi-Simplified Convolution Neural Network，M-SCNN)，利用M-SCNN網絡結構能大大縮短字符識別的時間，平均識別時間為0.003s，同時識