车牌定位在车牌识别系统(License Plate Recognition,LPR)的实现过程中是一种极为重要的技术.车辆识别的目的分为三种:侦查,区分和识别车辆.这些功能在智能交通系统(Intelligent Transport Systems,ITS)中是基本和必需的.车牌定位作为车牌识别系统的重要技术得到人们广泛地重视和研究.在以往的研究所得到的车牌识别系统中,它们的实现方法一般由三部分组成:首先划分出车牌在整个图片中的位置,之后确定出每个字符的切割,最后识别出每个字符.该课题研究的内容是以上所述的实现方法的第一部分即车牌定位.它不仅是LPR中的重要步骤,而且是识别的基础.该文首先对车牌定位系统中的关键技术:图像分割进行了系统的分析.重点讨论了阈值选取的方法.在基于边缘跟踪的边缘定位算法中选取阈值时采用以边缘强度为权的灰度值平均方法来获得分割图像的阈值;在基于边缘生长的边缘定位算法中只有满足相似性准则的边缘点才能生长成线.然后对车牌定位前的原始图像预处理流程进行了探讨,重点分析了预处理的目的、步骤和方法.最后在车牌定位方法中,和边缘跟踪算法相比较,提出竖向边缘生长算法.用竖线样板确定原始汽车图像中所有的竖向边界点;采用边缘点生长的相似性准则将得到的边缘点连接成竖向线段;再对竖线段进行两两匹配,利用车牌区域的长宽比检查所匹配出的四边形是否是涵盖车牌字符区域的最小四边形.这种算法的提出充分发挥了样板匹配的边缘检测方法定位边缘高效快速的特点,又结合了区域生长算法分割结果准确的优点.算法的设计是基于对原始的汽车图像分析:其中易形成干扰的横向边缘远多于竖向边缘,如此处理算法简单易行并且通过用传统的边缘检测和边缘跟踪算法和竖向边缘生长算法在响应时间、误识率方面进行比较.最后的实验结果可以看出,这种方法在提高车牌定位的准确率上有明显的优势.