随着经济的发展和我国人民生活水平的日益提高,城市公路交通问题变得日益严峻,迫切需要运用现代化技术实现公路交通的智能管理。在这一形势下,智能交通系统得到了空前的发展,但尚需要进行更加深入的研究。本文针对目前的多车牌定位中的阈值分割和伪车牌去除等难题,提出了一种改进的阈值分割算法和一种比较全面的去除伪车牌的方法。通过深入分析现在车牌定位方法,本文从时间和效果两方面考虑,采用现有的比较高效的处理方法。首先针对车牌原图在何种空间上处理的问题,通过分析RGB、HSI、灰度空间上处理的利弊,认为转到灰度空间上处理,不仅在时间能够满足实时路况需求,而且在最终结果上也能够满足对多车牌的准确定位。在边缘提取方面,通过对现有边缘提取算法的分析,本文选取了竖直边缘检测的方法,该方法不仅在时间上具有优势,而且较好的体现了车牌字符的特征。在二值图像分割方面,通过分析Otsu、均值方法、均值迭代等全局阈值方法,本文提出了一种改进的阈值分割方法,即先将图像进行区域划分,然后采用区间梯度均值和Otsu阈值的平均值作为新的阈值来分割区域图像。该方法对车牌污染、车牌远近不一致等情况具有良好的适应性。在多车牌定位中,伪车牌问题比较突出。它不仅增加了后期处理算法的复杂度,而且增加了时间开销。本文针对多车牌定位中的伪车牌去除问题,提出了先利用颜色和宽高比等特征来去除一部分车牌,再利用本文提出的主连通域分析的方法来去除掉占有绝对数量的蓝色伪车牌。主连通域分析的方法是充分利用梯度二值图中的字符连通域不易出现交叉、间距异常等特征来去除蓝色伪车牌的。实验结果表明本文提出的方法保证了车牌定位率在97.3%以上的同时,去除掉92.5%的伪车牌,使车牌的定准率达到88.5%以上。同时本文的文法在Matlab环境下,平均处理时间在0.8s/幅左右,较好的保证了车牌的实时性。