車牌識別系統(tǒng)（LPR）在現(xiàn)代交通檢測和管理部門中發(fā)揮著舉足輕重的作用。車牌識別系統(tǒng)主要包括車牌定位、字符分割和字符識別三部分［1］。由于車牌定位的準確與否將會直接影響到車牌識別的結(jié)果，因此，車牌定位是LPR的一項關(guān)鍵技術(shù)。常見的車牌定位技術(shù)主要有：邊緣檢測法［2］、投影法［3］、神經(jīng)網(wǎng)絡(luò)法［4］、數(shù)學形態(tài)學法［5］、基于彩色圖像的定位算法［6］。邊緣檢測法對車牌圖像邊框的連續(xù)性要求較高；神經(jīng)網(wǎng)絡(luò)方法計算量大，且要求車牌尺寸基本不變，否則必須對神經(jīng)網(wǎng)絡(luò)進行重新訓練；基于形態(tài)學的方法受噪聲影響比較大；基于彩色圖像的定位算法適應(yīng)性差，對于偏色以及背景顏色干擾等情況無法做出有效處理。
　　由于存在許多外在的干擾，背景信息往往比車牌信息更加復雜，給目標搜索帶來巨大的困難，單一的定位方法已經(jīng)無法保證其有效性。為此，本文提出了一種綜合的定位算法，對預處理的圖像進行形態(tài)學的高帽變換后，利用邊緣檢測得到連通區(qū)域進行粗定位，然后結(jié)合Hough變換和車牌的先驗知識進行車牌的精定位，該算法充分利用了車牌的字符信息，能夠快速而準確地提取出車牌區(qū)域。
　　1 車牌的固有特征
　　車牌識別是一種特定對象的識別，是一種在先驗知識指導下的識別。我國現(xiàn)在使用的車牌主要執(zhí)行中華人民共和國機動車牌號標準［7］，其具有以下的特征：
　　（1）形狀特征：汽車車牌區(qū)域的每個字符寬度為45 mm，字符高度為90 mm，間隔符寬10 mm，字符間隔為12 mm，整個車牌區(qū)域的寬高比為44/14。這部分特征在車牌的定位分割方面具有重要的意義。
　　（2）紋理特征：車牌有一個連續(xù)或因磨損而不連續(xù)的邊框；標準車牌（軍車、警車、教練車、外交車除外）模塊包含7個字符，它們基本呈水平排列；在矩形的車牌區(qū)域內(nèi)部有著較豐富的邊緣信息，呈現(xiàn)出規(guī)則的紋理特征。
　　（3）灰度跳變特征：車牌的邊緣顏色、車牌底色以及車牌文本顏色各不相同，表現(xiàn)在圖像中就是灰度級互不相同，這樣，在車牌邊緣就形成了灰度突變邊界。在車牌區(qū)域內(nèi)部，由于字符和車牌底的內(nèi)部灰度較均勻，因此，穿過車牌的水平直線呈現(xiàn)出波峰波谷的特點。
　　2 圖像預處理
　　車牌圖像的采集大都是通過攝像機、數(shù)碼相機等設(shè)備拍攝獲取的彩色圖像，因此首先要對圖像進行灰度化處理。
　　牌照圖像在拍攝時受各種條件的限制和干擾，圖像的灰度值往往與實際景物不完全匹配，直方圖均衡化［8］處理能增加圖像灰度值的動態(tài)范圍，從而達到增強圖像整體對比度的效果。
　　經(jīng)過灰度增強后的圖像還存在各種噪聲，中值濾波是一種非線性濾波，它很適合于椒鹽噪聲（即通常拍攝的圖片帶有的噪聲類型）。
　　圖1顯示了本文設(shè)計中圖像預處理部分的實驗效果圖，車牌區(qū)域的特征被明顯增強。大量實驗表明，本文采用的圖像預處理方法能獲得較好的效果，滿足實驗的要求。