车牌识别是现代智能交通系统的重要组成部分,有着广泛的应用价值,而车牌定位是车牌识别系统的首要环节,为精确高效地实现车牌识别奠定了重要的基础。本文针对复杂光照和几何偏转两种不同的挑战性环境,提出了两种不同的车牌定位方法。实验结果表明,这两种方法在其对应的环境中均表现出较好的鲁棒性。为了解决复杂光照环境下的车牌定位问题,提出一种基于改进尺度不变特征变换(SIFT)的车牌定位方法。首先,选取国内各省、直辖市的标准车牌建立模板库,并利用改进的SIFT算法与模板库中的模板作特征点匹配;然后,通过匹配点提纯算法和随机抽样一致性(RANSAC)算法剔除错误的匹配点;最后,使用透视变换实现车牌的精确定位。本文基于Visual Studio 2010平台对提出的方法作了验证,实验结果表明该方法在强光、弱光以及光照不均时均有较好的定位效果,与基于基础SIFT的车牌定位方法相比,定位的准确率有了显著提高。为了解决几何偏转条件下的车牌定位问题,提出一种多特征结合的车牌定位方法。首先,提取颜色特征产生初级候选车牌区域;接着,将最大稳定极值区域(MSER)和边缘特征相结合产生相应的候选车牌区域;然后,利用大样本训练产生的支持向量机(SVM)分类器对获得的候选区域作判定,剔除非车牌区域,从而实现车牌的精确定位。通过在多幅几何偏转特性的车牌图像上测试,本方法具有较好的定位效果,特别是当车牌与车身颜色相近时,依然可以实现车牌的精确定位。