根据早期视觉的观点，纹理是一种基础的视觉现象。针对车牌纹理特征，本文利用Gabor小波滤波能模拟人类视觉的特点，研究了基于纹理分析的车牌图像分割技术。 本文的主要工作如下： 1)在空间通过卷积构造了24个Gabor小波滤波器，提出一个基于最小平方误差选择最佳Gabor小波滤波器组的方法，实验证明选取的12个Gabor小波滤波器滤波后图像重构信息代表了所有滤波后图像重构信息的98％以上。 2)对滤波后图像进行非线性处理，以加大不同类之间特征的差异，给出了计算图像Gabor小波能量特征的计算方法，该能量特征作为无监督分类器的输入向量。 3)应用无监督分类算法中K均值(K-means)聚类算法对输入特征向量进行分类。根据研究对象的特点和先验知识，给出了K=2的K均值聚类算法。 4)应用数学形态学的腐蚀和膨胀运算对聚类后的图像进行相关运算，得到了一个完整的车牌分割区域。