随着信息技术和智能技术的发展,交通管理系统的信息化、智能化是大势所趋。车牌识别系统(LPR)是智能交通系统(ITS)的核心组成部分,在现代交通收费管理系统中占有举足轻重的作用。近年来,使用计算机来对图像进行处理和分析,已经获得了飞速的发展。对车牌识别系统中关键技术的研究已经成为科学界的一个热点问题。本文对车牌识别系统中的图像预处理、车牌定位等几个模块进行了比较深入、全面的论述,并对主要部分的关键技术进行了深入的研究。本文的车牌定位方法,在实验中所采用的图像全部都是采集于各种真实的环境条件下,一般来说,采用的都是背景较为复杂,车牌有一定程度的倾斜,且车牌大小不固定的这类图像。本文论述的车牌定位方法主要可分为以下几个步骤:本文在介绍了PCA和FLD的基本理论之后,提出了一种PCA和FLD的车牌定位算法。首先,用基于连通分量(Component Connect,CC)的方法粗定位一些可能是车牌的区域。然后,用基于纹理分析的方法对这些候选车牌区域进行纹理分析。在多尺度Gabor滤波后的子图中提取72个纹理特征。接下来,用PCA方法对得到的特征向量进行降维,以便于更好的分类。用FLD方法把降维后的特征向量转换到低维空间。选取恰当的阈值进行分类,从而得到真正的车牌区域。经过测试,本文提出的算法在检测图像和视频帧中的车牌时都具有良好的准确性和鲁棒性,检测率达95.3 %。实验结果表明,本文所采用的方法能达到较好的定位效果,具有一定的鲁棒性和实时性。从中可以看出:多种特征提取方法和定位技术有机结合能够提高系统性能。