车牌识别系统是智能交通管理系统的重要组成部分，作为车牌识别系统关键环节的车牌定位技术受到越来越广泛的关注和研究。但是，近年来的车牌定位技术存在只在特定的光照条件、图像质量、背景环境下有较高的车牌定位率和定位精确度的特点，大大限制了整个智能交通系统的的应用范围。本课题利用图像处理领域与模式识别领域先进的理论成果，实现了一种可以适用于多种天气条件同时适用于复杂背景情况的车牌定位算法。该算法具有较高定位率、定位精确度和实时性。 　　本课题研究算法分为两部分，第一部分按照车牌图像拍摄的光照条件和图像质量分三个分支。晴天光照下图像质量较好且车身颜色与车牌区域的颜色相差较大，晴天、阴雨天、雾天、傍晚等光照下图像质量较好但颜色特征不明显，其他情况下车牌图像的颜色特征不明显且车牌的图像质量较差。首先若车牌区域颜色特征明显区别于其他区域，则利用基于颜色特征的方法处理图像并利用颜色空间的特征二值化找到图像的细节。然后当车牌区域的颜色特征不明显时，计算图像的清晰度将图像划分为另外两种情况。对颜色特征不明显且图像质量较差的情况利用小波变换工具去除外界光照的影响，随后利用改进后的Bernse n算法二值化，找到图像的细节。对于颜色特征不明显但是图像质量相对较好的车牌图像直接利用改进后的Bernsen算法得到图像细节。第二部分对以上三种情况下得到的细节图像利用基于垂直投影和模版匹配相结合的车牌定位算法进行车牌定位。对图像按照不同的特征分类处理，分别找到特定环境下处理效果较好的算法，很好的满足系统实时性要求。 　　实验选取了7440张来自不同省份、不同天气条件、不同背景下的车牌图像进行定位测试，车牌平均定位率达到93.4%。且分割出的车牌区域具有较高的准确度。算法具有较高的实时性和广泛的适用性，可以在停车场、交通路口、路口收费处等场合推广应用。