汽车牌照识别系统是智能交通系统的核心构成部分，车牌定位是汽车牌照识别的关键和基础。目前基于图像或视频处理的方法是车牌定位的主要方法。在不同环境和光照条件下获取的车牌图像，由于背景复杂、车辆种类繁多、颜色多样和光线强弱等原因，车牌定位的准确性受到严重影响，如何将车牌从复杂背景中分离出来并准确定位车牌，是基于图像处理的车牌定位方法亟需解决的问题。近年发展起来的基于低秩表示的子空间聚类为图像分割提供了一个有效方法，该方法通过对图像特征数据进行子空间聚类实现图像分割。通过图像分割将车牌从复杂背景中分离出来为车牌检测和定位奠定基础。论文首先详细分析了我国汽车牌照的特点和定位难点。针对车辆图像中车牌和背景的特点，给出了基于HSV颜色空间的特征直方图和一种改进的自适应局部二值模式（local binary pattern,LBP算子），改进的LBP算子综合考虑局部和全局特征的二值化处理方法，能较好的表现车牌区域的纹理特征。然后以基于HSV颜色空间的特征直方图和改进的LBP作为车辆图像特征，利用基于低秩表示（LRR）和融合多特征的子空间聚类模型对车辆图像进行分割，分离出准车牌区域，在此基础之上，利用跳变函数进行车牌精确定位。数值实验结果表明，论文给出的方法可以有效避免复杂背景的干扰，提高车牌定位的精度。