该方法的定位准确率较高、 反应时间短、 能有效去掉噪声，适合于包含多个车牌的图像，在多车牌图像的情况下定位速度也很快。但是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，在有外界干扰以及车牌倾斜时，定位后的区域比车牌稍大。
4.基于数学形态学的车牌定位方法
基于数学形态学的车牌区域粗定位，主要是根据车牌整体特征从水平方向初步确定车牌位置，它不能精确确定车牌左右边界的位置，所以必须辅以其余的定位方法进行精定位。例如基于数学形态学和边缘特征的车牌定位方法，这种方法先对车牌图像进行预处理，然后基于垂直方向结构元素的腐蚀运算进行滤波，再用闭合运算来填补车牌区域内细小孔洞，进而增强车牌区，使车牌区成为一个连通区域，最后利用字符边缘的特征对车牌进行准确的定位。该方法将数学形态学运算与数字图像的特征相结合，有效改进了传统的车牌定位方法，提高了车牌定位的速度和准确度。
5.基于小波变换的车牌定位方法
小波分析是一种应用于图像处理的重要分析工具，具有“显微镜”的特性。小波分析的多分辨率特性使得小波分解系数在不同方向的高频子波系数具有不同特性，因此利用方向小波能够反映出图像在不同分辨率上沿任一方向变化的情形。小波分析的多尺度分解特性更加符合人类的视觉机制。
小波变换的基本思想是将原始信号经过伸缩、平移等运算分解为一系列具有不同空间分辨率、不同频率特性和方向特性的子带信号，这些子带信号具有良好的时频特性， 通过利用这些特性可以实现对信号的时域、频域的局部分析。
目前利用小波分析的车牌定位算法大多是利用小波变换与其他多种方法相结合来实现更准确、快速的定位。例如基于小波分析和数学形态学的车牌定位方法，该方法通过小波多尺度分解提取出纹理清晰且具有不同空间分辨率、不同方向的边缘子图，然后利用车牌目标区域具有水平方向低频、垂直方向高频的的特点实现子图提取，最后用数学形态学方法对小波分解后的细节图像进行一系列的形态运算，进一步消除无用信息和噪声，以确定车牌位置。该方法在噪声较小的情况下定位效果好，分割精度高；其缺点是速度较慢，且在噪声较大时误定位机率也随之增大。
6.基于神经网络的车牌定位方法
该方法利用牌照的长宽比、面积、面积与周长比来区分真正的牌照区域与类牌照区域。该方法具有较强的自适应能力，可以在较复杂背景中精确定位大小不同的车牌。并且通过对传统的BP 网络的改进，一定程度上提高了定位的精度和速度此方法要求图像中的牌照尺寸基本不变，一旦图像中的牌照尺寸发生了较大的变化，必须对神经网络重新进行训练。定位效果比较好，但计算量较大。
1.3  本论文主要内容
本论文的主要内容：实现对图像中车牌的定位分割、字符的分割和字符的识别。采用MatlabR2009a编写程序并仿真实现。本文的主要工作如下：
第一章 介绍了车牌自动识别系统的研究背景，应用意义，车牌自动识别系统的研究现状以及本论文的主要内容。
第二章 介绍了我国各种牌照，以及本文所选取的车牌定位算法和字符识别算法，并介绍了车牌图像的灰度化、二值化以及开、闭运算的基本理论知识。
第三章 阐述了所设计系统的基本组成结构及应用软件知识。
第四章 详细介绍了所设计系统的各个组成模块以及运用该系统进行有效地实验，取得了良好的实验结果。
2  车牌识别算法简介 Matlab车牌定位技术研究与实现(3):http://www.youerw.com/zidonghua/lunwen_8562.html