汽车牌照自动识别技术是智能交通系统中的一个重要环节，广泛应用于不停车缴费、失窃车辆查寻、停车场车辆管理等场合。而牌照的定位是其中最为关键的技术，对整个识别系统的性能起着至关重要的作用。 本文就是针对汽车牌照自动识别系统中的这一关键问题，在广泛分析、比较已有方法的基础上，研究更为有效的汽车牌照自动定位算法。本文的主要贡献有： 1．提出了一种基于字符纹理特征的汽车牌照自动定位算法； 该算法结合牌照区字符的纹理特征，首先将汽车图像中灰度值变化平缓的长水平线去掉，之后将小的区域去除，然后对留下的连通区域的几何特性、内部象素个数、边缘象素个数等信息进行分析，结合牌照的几何特征和投影特征，找出真正的牌照区域。 2．提出了一种基于ELMAN神经网络的汽车牌照自动定位算法。 该算法利用牌照区和非牌照区不同的梯度特征对神经网络进行训练，之后用训练好的神经网络对图像进行分类，最后结合牌照的投影特征和几何特征实现牌照的定位。 通过实地拍摄的反映各种光照、天气、牌照样式等条件的汽车图像样本，对本文提出的算法进行了实验，结果表明，本文所提出的两种算法的准确定位率均可达99％，这些实验结果表明，本文所提出的汽车牌照自动定位算法是有效和实用的。