现代智能交通系统中，车牌识别技术是其核心组成部分，有着广泛的应用价值。车牌定位作为该系统的第一步，为后续实现车牌识别奠定了重要基础。现实场景中，监测设备受到外界环境诸如雾霾、雨雪等因素的干扰，导致定位效率大打折扣。为提高复杂天气环境下车牌的定位效率，本文基于两种应用场景，分别提出了相应的车牌定位方法。　　为提高现有室外交通路口监测设备的定位准确性，提出了复杂天气环境下基于图像复原的车牌定位方法。首先，在雾霾天气条件下，文中对基于暗通道原理去雾霾方法作出改进，通过利用超像素分割的方法首先将雾霾图像分割成一系列光源同质区，在每一个同质区域内计算大气光值，再利用函数拟合的方法确定图像中易发生颜色失真的区域，通过添加非线性函数矫正失真区域的透射率，进而得到更加精确的参数，恢复出无雾霾的清晰图像；其次，对于雨雪天气，以导向滤波为基础，将图像分解成高、低频两部分，通过对高频部分进行滤波操作，同时结合雨雪特性，实现了图像去雨雪；最后，在恢复的清晰图像上，利用基于SVM的车牌定位方法实现定位。实验结果表明，本文改进的预处理方法能够有效去除天气干扰并恢复出清晰图像，提高了现有车牌定位方法的准确性。　　复杂天气环境中，为实现在非受控条件下进行车牌定位的目的，提出了基于视觉显著特征的车牌定位方法。文中以谱残差计算显著特征为基础，同时结合图像的颜色特征，实现了车牌图像特有的显著特征表达。首先通过颜色对抗色产生颜色特征图，然后在这些颜色特征图的基础上利用谱残差的方法计算显著特征，进而得到关于车牌的显著区域，最后通过二值化及形态学操作，实现最终的定位。通过在雾霾、雨雪不同天气环境及不同拍摄角度、不同拍摄距离及不同底色的车牌样本上进行测试，结果表明，本文方法能在各种复杂天气环境中高效地定位出车牌，且定位范围广泛、鲁棒性好。