近年来随着全球经济的迅猛增长和汽车保有量的逐年增加，人们与交通的联系越发紧密，随之而来的一系列交通问题都急需车牌识别系统的支持，这无疑给车牌识别系统带来更广阔的市场需求和经济效益。而车牌定位作为车牌识别的前提和基础，定位的准确率直接影响车牌识别率的高低。然而目前已有的车牌定位算法仍然有许多不足之处，尤其是在光照不理想、背景复杂以及车牌自身存在褪色、污损等情形时定位率很低。因此，本文对复杂光照条件和复杂场景下的快速通用的车牌定位算法进行深入研究，主要的研究成果如下：1．应用一种基于核函数的加权模糊C-均值聚类（KWFCM）算法对二维色度直方图进行聚类；此外，提出了一种可分性判据的类内类间距离算法对聚类结果进行分析，并据此判断图像光照条件是明亮型或昏暗型。2．提出了一套自适应的光照强度分类算法，结合二维色度直方图的聚类结果和一系列灰度特征将源图像按光照强度类型分为白天强光型、白天正常型、白天弱光型、夜晚强光型、夜晚正常型、夜晚弱光型六种类型图像。3．提出了一套自适应的光照增强方案，针对不同光照下的图像的特点，提出了四种光照增强算法，分别对由自适应光照分类算法得到的四种光照不理想情形下的图像进行相应的增强。4．应用十字形中值滤波和双边滤波相配合的滤波算法，对增强后的灰度图像在尽可能保留字符竖直边缘纹理的同时滤除噪声。提出了一种对边缘图像进行粗过滤结合精确去噪的预处理算法，并对预处理后的边缘图像提出一种边缘灰度能量聚类算法进一步去除伪车牌边缘。5．提出了一种水平聚类线探测算法求取连通区域，进一步提出了一种改进的特征集模糊决策去伪车牌算法，定位真正的车牌位置。对1215幅不同光照条件和不同环境的图片，应用本文提出的定位算法定位成功率约为97.3%，达到复杂光照条件下通用车牌定位算法实用要求。