车牌识别是智能交通系统的关键技术,其应用十分广泛。完整的车牌识别算法一般分为三个部分:车牌定位,字符切分与字符识别。本文主要针对车牌定位与字符切分进行研究。在车牌识别的实际应用场景中,极易出现昏暗、强噪声干扰、逆光、过度曝光、背景繁杂等不利情况;在这些情况下,车牌的边缘、颜色等信息减弱,传统的车牌定位方法无法同时解决这些问题。针对字符切分的问题,现有的方法都是在完整的车牌被精确定位的基础上进行的,没有考虑到定位输出的结果没有完整的包含车牌字符的全部信息的情况。针对传统车牌定位方法在复杂应用场景中的不足,本文提出一种鲁棒性强的车牌定位方法。首先对图像分块,计算每个图像块的灰度直方图和边缘密度,采用逻辑回归判断图像的场景类型;根据判断结果,采用特定的图像处理方法,改善图像质量;针对蓝色车牌,采用颜色分割辅助定位;结合车牌几何特征,利用连通组件分析获得车牌候选区域;最后通过训练车牌分类器,来排除伪车牌区域。实验中测试了多种复杂场景下的车辆图像,车牌综合检出率为95.66%.本文的车牌定位方法在复杂场景下具有较高的检出率,对各类场景适应性强。此外,本文对车牌字符切分的问题进行深入研究,并提出一种基于字符笔划宽度变换的字符切分方法。为了保证车牌信息是完整的,正式切分前,方法对定位结果进行扩展;然后利用字符笔划宽度变换查找字符候选区,然后根据候选区域的高度和水平位置聚类,保留真实的字符区域;利用直线拟合精确定位车牌边界,并校正车牌;最后采用模板匹配的方法,分割出车牌字符。实验结果表明,本文的方法能够在车牌倾斜、污染、光照条件差等情况下准确分割出车牌字符,是一种有效的车牌字符分割方法。