车牌识别系统(VLPR)是现代化智能交通系统中的核心组成部分,在现代交通管理、车流量监测、车辆稽查等方面发挥着重要作用,有着广泛的应用前景。而车牌定位是车牌识别系统中的关键技术和不可或缺的首要步骤。它的准确率和稳定性对于整个系统有着深远的影响。当前车牌定位技术主要分为基于车牌结构特征的定位方法和基于车牌颜色特征的定位方法两大类。经过国内外学者的多年研究，基于车牌自身特征的定位方法已有很多。但在复杂背景中,由于车牌图像易受车牌使用时间、光照明暗、天气情况、环境多样和摄像硬件等客观因素影响,车牌图像质量和车牌区域特征存在不可预知的变化,车牌定位一直都未做到令人满意的效果。在这样的复杂情况下,实现高效、高准确率、强鲁棒性的车牌定位系统,是目前车牌定位技术的难点所在,有必要对其进行进一步的研究。针对复杂背景中的车牌图像,本文提出了基于车牌纹理特征粗定位和基于车牌颜色特征精定位相结合的定位方法。首先对彩色车牌图像进行灰度化和预处理,去噪增强,优化图像；然后,先进行两次水平跳变扫描的水平定位,后进行垂直边缘检测和基于纹理密集程度的连通性分析的垂直定位,得到粗定位的车牌候选区域；接着,将基于彩色原图提取的候选区域,映射到RGB颜色空间,利用RGB三通道的空间密度作为颜色相似性度量,运用改进的K-means聚类算法分割候选区域,得到精确的车牌区域；最后,综合字符多种描述特征高效筛选出车牌。此方法的创新性在于运用改进的自主确定聚类数和聚类中心的RGB空间K-means聚类算法,而不是定义颜色范围来分割车牌；优越性在于首先利用纹理排除了颜色干扰区域,其次利用颜色聚类去除了纹理干扰区域,又综合RGB三通道之间的内在联系,克服了量化定义颜色适应性不强、稳定性差的缺点。本文首先介绍了当前主流的车牌定位技术,然后提出了综合车牌纹理和颜色特征的车牌定位方法,主要介绍了运用多种纹理特征和多种算法技术的车牌粗定位，详细阐述了基于RGB颜色模型的颜色聚类算法。最后,本文采用VC++6.0和Matlab.R2008b联合编程实现,分别对视频中获取的低质量图像和相机采集的高质量图像进行实验。实验结果显示对于低质量图像的平均定位准确率达到99.646%；对于高质量图像的平均定位准确率达到98.077%。本文方法可以准确定位复杂背景中任意方向和不同光照下的车牌,具有高准确率及很强的稳定性和鲁棒性。