本文先分析研究了目前国内外已有的车牌定位算法研究成果及现状,再结合中国汽车牌照自身的特点,设计了一个三级定位的方案。分为图像预处理、车牌区域粗定位、车牌区域精确定位三个步骤。针对彩色图像像素点过多导致的运算量大和光线不足时图像噪声较大的问题,对采集到的车牌图像做灰度化和去噪等预处理,达到图像锐化和增强的目的。在对车牌进行粗定位的时候,鉴于车牌区域具有丰富边缘的特征,使用Robert算子对图像做边缘检测,再利用数学形态学的方法获取车辆牌照的候选区域。在对候选区域中伪车牌部分进行剔除的时候,考虑到中国汽车牌照首字符为汉字,在多尺度空间下存在丰富的尺度不变特征点,而伪车牌部分不具有这个特点,利用尺度不变特征转换算法—SIFT(Scale-invariant feature transform)对筛选出来的车辆牌照区域进行特征匹配,达到精确定位车牌的目的。在三级定位方案的基础上,本文又提出一种基于简化的PCNN(Pulse Coupled Neural Network)模型和行扫描、垂直投影相结合的车牌定位算法。针对汽车高速运动带来的图像模糊,采用一种简化的PCNN模型对车牌原图像做PCNN图像增强和PCNN图像分离的处理。在图像得到增强后,针对车牌区域具有丰富纹理特征的特点,采用行扫描和垂直投影的方式将车辆牌照的上下、左右边界分别精确定位。本文的算法在Matlab2009的编程环境下使用200张随机拍摄的图片进行试验,并与其他文献中的算法在同一个运行环境下做对比分析实验,实验采用的图片分辨率为960×541。实验结果表明,在光线不足的环境或者是不同的拍摄角度,本文的算法都具有运行速度快和定位准确率高的特点。