目前，车牌是车辆的唯一身份标识(不包括有意伪造和调换车牌的情况)，因此智能交通系统需要倚重于鲁棒性极好的智能车牌识别系统。车牌自动识别系统也从而成为诸多自动交通管理系统(如道路交通管理、路桥收费系统和停车场自动收费管理等)的关键技术，在社会生产生活的各个方面越来越显示出其不可忽视的地位和作用。 本文在深入分析、全面总结当前车牌自动识别技术算法的基础上，对车牌定位算法、车牌预处理算法以及车牌字符分割算法进行了深入研究，分别针对这三部分提出了新的算法并进行了实验验证。试验结果充分表明，新算法在提高精度、速度和降低计算复杂度等方面有明显的优越性。 论文充分回顾了现有的经典车牌定位方法，在此基础上提出了基于色彩分割和信息融合的车牌定位算法、基于HSV彩色分量的车牌垂直边缘搜索定位算法和灰度空间中基于车牌统计特征的定位算法。其中基于色彩分割和信息融合的车牌定位算法定位率高且运行时间短，可以满足系统实时定位要求。灰度空间中基于车牌统计特征的定位算法可以在车牌图片中有类似颜色区域的情况下进行准确定位。 针对现有二值化方法不能处理车牌褪色以及光照导致的车牌背景与字符对比度低等情况，在深入研究现有二值化方法的基础上，针对车牌本身的特点提出了k均值二值化方法，基于车牌直方图特点的自适应阈值二值化方法和基于投影分析的车牌字符分割方法。实验结果充分证明了算法的准确性、高效率和鲁棒性。