基于图像的车牌识别系统在城市交通管理、高速公路车辆管理等方面发挥着重大的作用,是现代智能交通系统的重要组成部分。车牌定位算法作为车牌识别中必不可少的一部分,直接影响着车牌识别的最终结果。因此一个实用高效的车牌识别算法的开发,必然需要首先实现一个高效鲁棒的车牌定位算法。　　本文在研究数字图像处理及智能分析理论的基础上,提出了两个车牌定位算法,一个是基于图像分块的车牌定位算法,另一个是基于最大稳定极值区域的车牌定位算法。基于图像分块的车牌定位算法利用了图像分块的思想以及车牌区域具有丰富的垂直边缘的特征。对图像分块后,首先进行逐块处理,利用图像子块的垂直边缘强度排除掉大量的非车牌图像子块,然后再对剩余图像子块进行组合得到一系列的候选车牌区域,接着利用6个明显的车牌特征量对候选车牌区域进行筛选,最终找出正确车牌区域。该算法计算简单,具有较快的速度,对于一般场景的图片具有较好的效果。基于最大稳定极值区域的车牌定位算法利用了车牌字符可以作为最大稳定极值区域被鲁棒的检测到的特征。首先用最大稳定极值区域检测算法对图像进行处理,检测到大量的最大稳定极值区域,然后利用车牌字符宽高比小于1的特征排除大量的非字符最大稳定极值区域。接着利用车牌字符整齐的排列在一条直线上的特征,采用Hough变换寻找候选区域。最后利用车牌中存在着某两个字符的间距大于其他字符间距的特征,对候选区域进行筛选得出最终的正确车牌区域。该算法还能调整倾斜的车牌及判断车牌底色。