车牌识别技术在现代智能交通系统中发挥着重要作用。车牌定位与分割技术业已发展成熟,但这些常用算法在处理污染车牌时并不能取得良好效果。本文采集了大量车牌表面污浊、陈旧、破损等受到不同程度污染的车辆图像,建立污染车牌素材库,以此为数据样本重点研究污染车牌的定位与字符分割问题,以期提高污染车牌定位与分割的准确率。污染车牌与清洁车牌图像特征不同。首先通过对车牌灰度直方图和方差规律的分析,定义污染车牌的研究范围。由于初始图像定位成功率较低,本文使用感兴趣区域提取、灰度化、二值化方法对图像进行预处理。车牌定位采用边缘检测与数学形态学相结合的粗定位算法,在图像中形成多个连通区域,再使用基于先验知识消除局部区域的精确定位算法,消除面积过大或过小,或比例严重不符合规律的连通区域,最后将真正的车牌提取出来。成功定位的污染车牌不能直接用于字符分割,本文分析传统算法的利弊,使用最佳全局阈值法二值化、Hough算法倾斜校正、垂直扫描与水平扫描相结合去除边框、车牌大小归一等方法在分割前对车牌图像进行二次预处理。设计了一种基于垂直投影与自适应模板匹配相结合的字符分割算法,由于污染物会造成字符断裂,本文提出了一种新的针对数字“1”和断裂字符检测的新模板,抑制了污染物干扰,降低了字符断裂的出错率。最后通过常用的模板匹配字符识别算法对分割的字符进行识别,检验了本文车牌定位与字符分割算法的可行性。通过大量实验证明,本文所设计的车牌定位与分割方法具有较高的实用性和鲁棒性,有效解决了污染车牌在定位与分割过程中遇到的问题。严重污染的车牌在定位和分割时可能会得不到理想效果,本文通过图像的灰度直方图和方差的比较,客观分析了这类图像不能被定位和分割的原因。