车牌识别系统作为一个专用的计算机视觉系统，够自动摄取车辆图像并识别出车牌。主要应用于高能速公路收费口以及住宅小区车库的管理等场合。研究了汽车牌照识别中的车牌定位算法。首先对现有的车牌定位方法进行系统的分析，结出车牌定位研究存在的主要问题。其次，对车辆图像背景复杂、直纹理散热器噪声干总针垂扰严重等问题，出了一种新的车牌定位算法。该方法能有效降低误检率，运算复杂度较低，利于实现复杂背景提且有中车牌的快速定位。
车牌识别系统作为交通管理自动化的重要手段和车辆检测系统的一个重要环节，经过图像抓拍、牌定位、能车 图像处理、符分割、符识别等一系列算法运算，别出字字识视野范围内的车牌号码;运用数字图像处理、式它模识别、工智能技术对采集到的汽车图像进行处理，够人能实时准确地自动识别出车牌的数字、母及汉字字符，字并以计算机可直接运行的数据形式给出识别结果，得车辆使的电脑化监控和管理成为现实。
针对不同的环境和要求，择合适的算子对图像进行选边缘检测才能达到好的效果。该方法的定位准确率较高、应时间短，有效去掉反能噪声，合于包含多个车牌的图像，多车牌图像的情况适在下定位速度也很快。但是对车牌严重褪色的情况，于检由测不到字符笔画的边缘会导致定位失败，有外界干扰以在 及车牌倾斜时，位后的区域比车牌稍大。
基于彩色分割的车牌定位方法由彩色分割和目标定位等模块组成，用多层感知器网络对彩色图像进行分采割，后通过投影法分割出潜在的车牌区域。在进行彩色然分割时采用神经网络模型，般图像采用 R一 GB三原色，但 RGB三原色中两点的欧氏距离与颜色距离不成线性比例。为了更好地进行彩色分割， RGB模式的彩色图像将转化为 HS模式。同时，了减少光照条件对图像分割 I为产生的影响，用对数方法进行彩色饱和度调整，后对采然模式转化后的彩色图像进行彩色神经网络分割，后根据最车牌底色及长宽比等先验知识，用投影法分割出合理的采车牌区域。1常用的车牌定位算法根据车牌的不同特征，以采用不同的定位方法。
基于边缘检测的车牌定位方法，该定位算法正确率较高，由于采用了神经网络计算但法，区域颜色与附近颜色相似时，算速度较慢。当获当计取的彩色图像质量较高时，其是车牌区域颜色与附近颜尤色差别较大时，确率将有所下降。
基于小波变换的车牌定位方法，所谓“缘”是指其周围像素灰度有阶跃变化的那边就些像素的集合。“缘”边的两侧分属于两个区域，个区域每的灰度均匀一致，这两个区域的灰度在特征上存在一定而的差异。边缘检测的任务是精确定位边缘和抑制噪声。 检测的方法有多种，如 Ro et例 b rs边缘算子、 rwi Pe t t算子、 o e算子以及拉普拉斯边缘检测。这些方法正是利 Sbl用物体边缘处灰度变化剧烈这一特点来检测图像的边缘。小波分析是一种应用于图像处理的重要分析工具,具有“微镜”显的特性。
目可 前车牌定位的方法很多，常见的定位技术主要有基于边最缘检测的方法、于彩色分割的方法、于小波变换的方基基法、于遗传算法的方法、于数学形态学的车牌定位和基基基于灰度图像纹理特征分析的方法等，在此对几种常用的在定位算法进行简单的介绍。