车牌识别系统是智能交通系统的核心组成部分,已广泛应用于交通管理领域。该系统主要包括车牌图像采集、车牌图像预处理、车牌定位、车牌字符分割、车牌字符识别等五部分组成。本文总结了近年来国内外在车牌定位技术上的最新研究成果,并在此基础上对边缘检测技术、彩色车牌定位等问题进行深入研究探讨。本文研究的主要工作和成果如下：1)对当前国内外几种典型的车牌定位方法进行阐述与分析,同时对不同定位方法进行了比较和评价。2)车牌图像的边缘检测。分析对比常用的边缘检测算子,并在研究分析相关文献的基础上,利用形态学开闭运算具有良好的边缘抗噪性能这一优点对形态学边缘检测算子进行了改进,实验结果表明,改进的灰度形态学算子在边缘检测精度和抗噪性能上能取得很好的平衡。3)车牌初定位方法。引入CIELab彩色模型,利用Lab颜色空间中b通道蓝、黄二色分别占据数轴二端的分离特性实现蓝、黄车牌区域提取,并在灰度空间利用车牌区域丰富的纹理特性结合形态学技术实现车牌区域的提取,然后对二种方法得到的目标区域按融合规则实现区域融合,提高了车牌区域初始定位的准确度。实验结果表明,本文融合算法克服单独使用某一特征定位的局限性,提高了准确度。4)车牌精确定位方法。对候选车牌区域按照基于SURF特征匹配方法进行筛选识别,通过候选区域与车牌汉字库模板之间的匹配度大小来确定最终车牌,并根据最佳匹配点对求出参数变化矩阵,实现待测坐标系向参考坐标系的变换,从而实现了倾斜校正。最后运用水平投影法去除边框及铆钉得到最终的车牌区域。