车牌照识别系统，作为一种重要的自动识别技术，在交通管理自动化、智能化中占据重要地位，可广泛应用于城市交通的车辆管理、车流量统计、电子警察、收费管理、重要地区的车辆监控等。因此，对车牌照识别系统的研究具有很高的应用价值。车牌识别系统通常分为三大模块：车牌定位，字符分割及字符识别。其中，由于在自然条件下获取车牌照图像时可能存在的多种不确定因素，通常认为车牌定位是车牌识别系统中最为关键和最具挑战性的步骤。本文旨在将车牌定位技术应用于自然条件下多种背景及光照环境，兼顾系统的准确性与实时性，完成应用于复杂环境下的车牌照定位算法的设计与实现。本文采用的是结合边缘梯度信息的综合车牌定位方法，通过以下几个步骤来实现：首先利用Sobel算子提取车牌的垂直边缘梯度信息，对边缘梯度图像进行下采样，并使用车牌的纹理特征寻找可能包含车牌的关键区域；之后为了提高车牌区域的对比度并抑制非车牌区域，根据局部亮度方差以及边缘密度对关键区域进行边缘梯度增强，并自适应的对梯度图像进行二值化；然后采用一种简单而有效的算法计算每条边缘的长度和密集度，以此去除冗余边缘；最后使用改进的均值漂移（mean shift）算法及一种新型的自适应搜索窗来精确确定并分割车牌。对采集的大量车牌图像的实验结果显示，本文所提出的算法能够对多种复杂环境下的车牌进行快速精确的定位分割，具有理想的准确率和处理速度。对348张384×288灰度图像的定位准确率达到了95.7%，平均处理时间仅为7.7ms，完全满足实际环境下实时车牌定位的要求。