车牌识别技术是车辆自动识别应用的核心技术之一，也是智能交通系统能否自动化运行的关键，被广泛应用在如重要关卡车辆登记、违章抓拍、停车场收费与管理等交通场合。车牌定位是车牌识别的关键环节，直接影响车牌识别的准确率，因此对车牌识别技术中的车牌定位的研究具有重大的意义。　　 论文主要研究复杂环境下车牌定位的相关算法，并以此为基础提高复杂环境下车牌的定位率，以及将车牌定位的模块应用于车牌照自动识别系统。主要工作有如下几点:　　 (1)系统地研究复杂环境下车牌图像过滤和光照处理算法。首先，提出用一种自适应中值滤波算法对图像进行滤波;然后，对图像进行明暗度分析，通过将同态滤波与分段线性变换相结合对图像进行增强处理。实验结果表明，在复杂环境下，本文提出的过滤和光照处理算法具有较好的预处理效果。　　 (2)二值化算法在车牌识别的许多阶段都会用到，一个好的二值化算法能提高车牌定位率。但是通常情况下，二值化算法适应性比较差，即在不同的环境中二值化效果不同。针对这种情况，本文提出一种自适应局部二值化算法:首先，依据图像本身的特征，将图像划分为若干大小合适的子图像;其次，通过一种改进的二值化方法确定每个子图像的阈值;最后，将本文提出的自适应局部二值化算法和Otsu算法、Niblack算法分别对车牌图像二值化。实验结果表明，本文提出的自适应局部二值化算法抗干扰强，适用性较好，提高了车牌定位率。　　 (3)针对复杂环境下车牌定位算法适应性不好，车牌定位率低的特点，提出一种基于小波变换和色度直方图特征相结合的车牌定位算法。本文提出的车牌定位主要分为两部分:车牌粗定位和车牌细定位。车牌粗定位:首先，对图像进行小波边缘检测;然后，对检测后的图像进行自适应局部二值化处理;再次，对二值化后的图像进行形态学处理;最后，进行连通域搜索，得出候选车牌区域。车牌细定位:它是基于色度的二次定位，即是对车牌粗定位后的区域进一步进行筛选，车牌细定位能减少计算量，提高效率。本文将提出的基于小波变换和色度直方图特征相结合的车牌定位算法用在各种复杂的拍摄环境如模糊、遮挡、光照不均、车牌污损等坏境下的图像中，测试车牌定位率。　　 本文将基于小波变换和色度直方图特征相结合的车牌定位算法用在车牌识别系统中，实验结果表明，本文提出的基于小波变换和色度直方图特征相结合的车牌定位算法能提高车牌的识别率。