汽车牌照自动识别是智能交通系统的一个重要组成部分,在交通监视与控制中占有重要地位。它的主要技术包括:车牌定位、字符切割和字符识别,其中,对车牌进行快速准确的定位并分割出车牌区域是车牌识别系统的前提,也是提高识别率的关键。车牌区域具有独特的纹理特征与颜色特征,利用数学方法对其进行分析与处理是各种车牌定位算法的基础。小波分析具有良好的时频特性与多分辨分析的特点,因此,利用小波变换进行图像的纹理特征分析并对图像进行分割已经成为当前研究热点和重要的研究方向。本文对图像分割的基本理论和车牌定位的经典方法作了阐述,给出了三种传统方法的实验结果和分析。在小波分析基本理论的基础上,深入研究了小波分析方法如何提取图像的纹理特征,研究了基于小波变换的图像纹理信息提取模型,提出了一种将车牌小波纹理特征与颜色特征相结合,用神经网络进行判定识别的车牌定位算法。该算法首先对图像进行二维小波分解,设置滑动窗扫描高频子图,计算滑动窗内图像的小波纹理特征,同时将低频子图转化RGB色彩分量为HSV色品值,在相应的滑动窗中提取颜色特征,得到综合特征向量,采用BP神经网络算法进行判定识别,定位出车牌区域。该方法采用综合特征定位,克服了采用单一特征定位的缺点和局限性,从实验结果可以看出该算法能够较准确的从背景图像中提取出车牌位置信息。