车牌自动识别系统是近年来发展起来的基于图象处理和模式识别的智能交通管理系统。她是智能交通系统的关键技术,在信息采集、车辆管理和自动收费等方面都有着非常广阔的应用前景。基于图象处理的车牌自动识别系统由于设备简单,易于维护加上实际应用广泛,它仍是目前研究的重点。车牌自动识别系统包括三个方面:车牌定位,字符分割和字符识别。车牌定位是其研究的重点和难点,它关系到整个车牌识别的正确率。本文提出了一种基于HSV空间和梯度形态学的车牌定位方法,相对于传统的车牌定位方法,它的主要优点在于利用HSV空间过滤了大量的无用信息,易于准确的定位车牌区域。本文主要对车辆牌照识别系统中的车牌定位进行研究。在讨论了国内外研究现状的基础上,本文主要完成了以下两个方面的工作:第一,提出了一个行之有效的车牌图像预处理方法。在灰度化之后利用彩色边缘算子Color Prewitt提取了图像的水平边缘,然后利用全局阈值法对梯度图像进行了二值化,最后对二值梯度图像进行了形态学水平膨胀。通过上述操作,车牌前景和背景得到很好的突出。第二,在车牌定位阶段,本文提出了基于连通区域水平聚类的车牌粗定位方法。该方法利用梯度图像中车牌字符的水平相关特征,实验中得到了很高的车牌召回率。最后本文在HSV空间中利用车牌的梯度形态学特征完成了车牌的精确定位,得到了满意的结果。实验表明:本文提出的车牌定位算法对于背景和光照的限制较少,牌照区域的定位准确、快速,能够满足实际应用的需要。