社会经济的发展使人们的生活水平有了很大的提高,为了出行的便捷和舒适,越来越多的人开始争先恐后的买车,我国汽车的保有量急剧攀升。中国已成为世界第一大汽车生产国和最大的新车消费市场,这使得对车辆的监管愈发重要,在这一背景下智能交通系统得到了迅速的发展。车标作为车辆的显著标志,车标识别技术对车辆的鉴别具有重要的意义。由于采集设备、复杂自然场景带来的图像分辨率不高、强光、阴影、夜间等影响,使得车标定位与识别过程中的鲁棒性不好。本文针对这一难点进行了车标识别技术的研究,提高车标识别的性能、增强车标识别技术的实用性。首先,论文提出了一种基于车牌、数学形态学、投影的由粗到细的车标定位方法。现有的基于车牌位置的车标定位的方法主要是在粗定位后对车标大致区域进行搜索检测车标位置,这需要大量的计算量,同时对于强光、阴影等自然环境的干扰抵抗不大。本文在车标的粗定位之后,利用中值滤波去除图像的噪声影响,利用Sobel算子检测车标边缘信息,利用数学形态学闭运算将车标边缘信息膨胀并连接成区域状,最后利用投影技术进行车标的细定位。这种定位技术对强光、阴影、夜间等自然场景下仍有较好的车标定位的准确率。其次,论文提出了一种基于LBP (Local Binary Pattern)特征的改进纹理算子描述符。原始的LBP特征计算考虑到邻域8个点的像素值,然而由于在一个连续区域内的像素的值一般不会突变、是稳定的,本文只提取了邻域中8个点中的三个点,组成了3位二进制数,将图像分割成6*6个小块,每个小块可以生成8维度的LBP特征描述符,最终生成288(6*6*8)维LBP特征向量,此种LBP特征向量的计算方式在描述车标纹理信息的同时也引入了空间位置的信息,能够更好的表示车标的特征。再次,论文研究了基于欧氏距离度量和直方图相似度的模板匹配算法。针对提取的288维LBP特征向量,本文分别用欧氏距离度量和直方图匹配的卡方系数来计算目标车标向量和模板车标相似度,从而进行车标识别分类。通过实验对比,找到相对准确的适合本文中引入空间位置信息改进的LBP特征的模板匹配算法。