我国车牌具有以下特征：1）形状特征：车牌的边缘是线段围成的有规则的矩形。考虑到CCD摄像机的安装位置固定，采集的分辨率保持不变，而且车牌的大小是标准的，宽高比在一定范围内固定，因此车牌在原始图像中的相对位置也比较集中，大小变化也有一定范围。10918
     2）颜色特征[19]：小型车蓝底白字车牌，大型车黄底黑字车牌，军警车白底黑字车牌，国外驻华使馆用黑底白字车牌。
    3）灰度跳变特征：车牌的底色、边缘颜色及车牌外的颜色是各不相同的，表现在图像中就是灰度级互不相同，这样在车牌边缘形成了灰度突变边界。在车牌区域，由于字符本身与牌照底的内部灰度是均匀的，所以穿过车牌的水平直线呈现连续的峰、谷、峰的分布。
    4）纹理特征：车牌有一个连续或由于磨损而不连续的边框，车牌内有多个字符且大小统一、基本呈水平排列，所以在车牌的矩形区域内存在较丰富的边缘信息，呈现出规则的纹理特征。车牌定位主要根据车牌的以上四个特征。这四个特征都不是车牌所独有的，因而只利用一种特征来定位可能产生多个可疑区域。综合利用这些特征来定位车牌可以提高车牌定位的成功率。
1.3.2    车牌定位技术的发展现状
    现阶段最可行最有效的车牌定位方法是数字图像处理技术[2]。在现实应用中，利用数字图像处理技术提取车牌的特征信息并加以处理，最终达到定位车牌的目的。它具有低成本、对硬件依赖性小等优点，但其定位正确率的高低主要取决于定位的算法，不同背景下不同的算法都有各自不同的优缺点，为了快速、准确地定位车牌，目前已有很多学者提出许多定位算法。其中，众多算法都是利用了车牌自身异于背景区域的特征来进行车牌定位的。这些特征包括车牌的颜色特征、几何特征、纹理特征、边缘特征等。
    目前存在的车牌定位算法有很多种，其中一些算法只适合在特殊背景和特殊情况下使用，其主要算法有：边缘检测法、数学形态学法[1]、基于彩色或者灰度处理的方法、行检测和边缘检测统计法[1]、模糊逻辑法、Gabor滤波法、遗传算法、Hough变化和轮廓线法、自适应增压法、基于小波变换的方法、均衡变换法、神经网络法、脉冲耦合神经网络法、时延神经网络法、矢量量化法、最大梯度差和边缘搜索法[1]等。
    任何算法都它的优点，也有不足之处。比如边缘检测法[11]，它的定位准确率较高，反映时间快，能有效去掉噪声，适合于包含多个车牌的图像，并且在多车牌图像的情况下定位速度也很快。但对车牌严重褪色的情况，由于检测不到字符笔画的边缘会导致定位失败。定位后的区域在外界有干扰以及车牌倾斜时比车牌稍大；小波变换去噪效果好，结合其他定位方法在车牌图像检测定位中，能较为快速、有效地从复杂噪声背景中将待识别的车牌分割出来；基于数学形态学的定位方法提高了车牌图像分割的准确度，但精确度不理想，所以必须结合其他定位方法进行精确定位。 车牌定位技术的发展研究现状:http://www.youerw.com/yanjiu/lunwen_10151.html