本论文是江苏省自然科学基金项目《智能交通系统(ITS)中车牌识别方法》研究内容的一部分。作为ITS研究重要组成部分之一的自动车牌识别是一个值得深入研究的课题。本论文针对自动车牌识别中的关键部分——车牌定位作了较为深入的研究,研究探讨了几种车牌定位方法,以期得到定位精度高、计算速度快的车牌定位方法。首先使用模糊阈值方法对车牌图像进行阈值分割,接着分析车牌区域的特征,利用这些特征构造出一个简单易行且能够充分表征车牌区域特征的适应度函数,然后利用擅长在给定参数空间寻找全局最优解的遗传算法来搜索车牌区域,实现车牌的自动定位。其次结合数学形态学和分形进行车牌定位。数学形态学对图像的特征提取和形状分析具有较强的功能。分形的主要研究工具是它的维数,分形维数定量描述了分形物体的形状和复杂性。先用形态学进行边缘检测,再利用分形学计算边缘图像中每点的分形维数,根据车牌区域的特征——车牌区域内的点的分形维数和最大,从而可以定位出车牌。然后利用小波算法对车牌进行定位。小波变换的基本思路是通过伸缩及平移将原始信号分解为一系列具用不同空间分辨率、不同频率特性和方向特性的子带信号,这些子带信号具有良好的时域和频域特性,这些特性可以用来表示原始信号的局部特征。本方法就是对车牌图像进行小波变换,然后对变换子图像进行类间方差分割,使得车牌区域的轮廓更为清晰,减少其它相似区域的干扰。再根据水平,垂直投影定位出车牌区域。最后本论文总结了上述各方法的优缺点,并概要介绍了车牌字符识别方法和系统构成及硬件实现。