车牌识别是涉及图像处理、模式识别、计算机视觉、自动化技术以及气象等众多学科的研究课题。随着计算机图像处理技术的不断发展,车牌识别的研究工作有了很大的进展,但计算机自动识别车牌依旧是一个比较复杂的问题。车牌定位是车牌自动识别的重要的预处理环节,通过对输入车牌图像的处理和计算,实现车牌对象与图像背景的分离,以及去除各种具有车牌特征的干扰区域。车牌定位的准确率直接影响车牌识别的准确率。由于采集图像背景的复杂化,采集到的车牌图像中存在大量复杂和丰富的车辆图像的自然背景以及车身背景,同时光照条件和气候条件的变化,以及车牌图像本身的模糊、磨损、变形以及倾斜等,给车牌定位算法带来很大的困难,使得车牌定位一直是车牌自动识别系统中的一个具有挑战性的难题。传统的车牌定位技术,大多是基于灰度图像的纹理特征的,但是由于纹理特征的诸多特性和局限性,在处理复杂背景下的车牌图像时存在诸多不足。随着计算机图像处理技术的进一步发展以及计算机硬件的不断升级扩充,计算机处理能力大幅度提升,由此众多学者投入到基于彩色图像的车牌识别技术的研究中,并取得一定成果,但是研究尚不成熟。准确快速高效的识别各种复杂环境下的车牌,仍然是一个难以解决的问题。本文分析总结了图像分割领域中常用算法的特点及其在车牌定位应用上的缺陷,针对车牌图像的特点,提出了一种基于颜色和纹理特征相结合的车牌定位算法。创新的将四元数代数方法,引入车牌定位技术中,用于描述颜色模型,解决了颜色模型一直无法准确描述的难题。本文提出的车牌定位算法分为两个步骤。第一步首先将原始图像做预处理,去除噪声和光照不均等影响。预处理后的图像,通过Sobel垂直边缘检测算子,得到其边缘图像。将边缘图像通过连线法处理,得到包含车牌区域的候选区域图像,至此第一步工作完成。第二步,将得到的候选区域图像还原到原始图像,提取出包含车牌区域的彩色候选区域图像。用四元数代数方法,描述此彩色图像,并通过四元数主成分分析法提取候选区域图像的特征参数。然后通过k-means聚类方法进行图像区域的分类,实现对车牌区域的精确定位,最后通过车牌先验知识实现对车牌的自动识别。其中最为关键的技术是四元数对图像的描述以及四元数主成份分析对图像的特征提取。通过算法分析和实验验证,本文提出的车牌定位算法能够克服传统算法针对复杂背景下车牌定位不准确的缺陷。算法更准确地对车牌进行了定位,并能有效地处理车牌周围存在车灯干扰,车牌与车身同色等问题,保证了后续字符分割和识别步骤中输入数据的准确性。