汽车牌照自动识别系统(LPR)是实现交通智能化管理的核心环节，同时也是以计算机视觉为基础、并综合了图像处理、模式识别以及人工智能等多领域技术的重要研究课题。同时，车牌识别系统本身就可被看作一个独立的智能化系统。它通过摄像头捕获实际场景中的车辆图像，并在不影响车辆正常行驶的情况下自动完成车辆牌照的识别。正是这一特征使得汽车牌照自动识别系统在未来的交通管理智能化过程中有着巨大的应用市场。目前，在国内外已经有部分车辆牌照识别系统被成功地应用于高速公路和桥梁的自动收费、小区和重要部门车辆出入管理、智能停车场管理和城市道路违章检测等方面。LPR主要包括车辆图像采集、车牌自动定位、车牌字符分割、车牌字符识别等功能模块。本文的研究重点是复杂天气情况下的车牌自动定位技术。作为LPR的首要环节，车牌自动定位在整个系统中有着至关重要的作用。系统后续模块的性能，甚至整个LPR系统，在很大程度上都依赖于其定位结果的精准性。而目前大部分的车牌定位技术都只是针对光照条件良好的情况，而忽略了实际中的车辆图像大部分拍摄于户外自然场景中。在自然场景中，天气的变化和全天候光照强度的改变对车牌定位带了很大的麻烦。针对这一问题，本文对复杂天气情况下的车牌定位技术展开了系统的研究与探讨。本文首先对图像去雾技术进行研究。在雾天情况下，大气散射作用导致摄像头捕获的车辆图像的对比度和清晰度均降低。以此问题为出发点，本文提出一种基于暗色图的简单方法用以判断图像是否受到雾的干扰。同时，本文对He的基于暗原色先验的单幅图像去雾算法进行改进，提出一种更加高效的去雾方法。实验证明新方法不仅保持了原方法的去雾效果，同时将去雾算法的时间消耗减少为原方法的三十分之一。另外，本文提出一种基于小波分解和颜色聚类的车牌定位算法。该算法从纹理、颜色及形态角度出发充分利用了我国车牌的固有特征。总体来说，该算法主要分为两步。首先以车牌的纹理和几何特征为依据，通过小波分解技术实现车牌的初定位。在初定位阶段，为了克服复杂的天气情况对车牌定位的影响，本文同时利用了小波分解后的低频子带和垂直高频子带，并针对两个子带的特点分别采用不同的二值化方法，最后综合两个子带提供的车牌位置信息并结合车牌的几何特征实现车牌初定位。由于车灯等非车牌区域拥有与车牌相似的纹理特征，因此在初定位的车牌候选区域中包含少量的车灯等非车牌区域。针对这一问题，车牌定位算法的第二步的主要工作是利用我国车牌特有的颜色特征排除车灯等非车牌区域的干扰。实验证明，本文所提出的车牌定位算法简单、高效，对不同天气情况下的车辆图像都能取得较好的定位效果，同时满足市场应用的实时性和准确性要求，具有一定的应用价值。