本论文是《智能交通系统(ITS)中车牌识别方法》研究内容的一部分。车辆牌照自动识别是智能交通系统中的关键技术。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。首先介绍基于扫描行的方法进行车牌定位。此方法对二值化图像作简单的相邻像素相减，得到图像边缘，此时车牌每个字符都出现了外边缘和内边缘，然后用扫描行的方法对图像进行扫描，利用车牌区域字符的跳变个数及跳变距离，我们就可以得到车牌区域。其具体的操作是在Visual C++6.0环境中实现的。接下来介绍利用神经网络对车牌进行定位。神经网经自适应学习能力和容错性强，这是它用于车牌定位的最大特点。该方法先对神经网络进行训练，使它对车牌区域产生敏感，然后用滑动窗口对图像进行搜索，得到车牌区域。然后介绍结合数学形态学和综合颜色特征进行车牌定位。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。用形态学的闭运算和开运算，可以使牌照区域内部连通并与干扰区域分离出来，再根据车牌区域的面积大小进行筛选，最后利用颜色特征选取车牌区域。其具体的操作是在MATLAB 6.5中实现的。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分割和字符识别的方法。