随着现代数学、计算机科学、图像识别、人工智能等学科的发展，复杂环境下的特定目标识别研究已经成为当前科技发展的前沿，是一个非常活跃的研究领域。他不断吸收相关学科有益的设计思想与研究方法来丰富自己，在人们的日常生活和国防军事中具有重要意义。本文以车牌识别为例，对复杂环境下的特定目标(车牌)识别中的定位和切分两个关键技术进行深入研究。 标准的汽车车牌主要包含四种类型：蓝底白字白边框、黄底黑字黑边框、白底黑字(或红字)黑边框以及黑底白字白边框。这四类车牌的颜色组合具有很强的对比度，是日常生活中所见到的颜色组合中对比度最大的，有利于人眼的识别，可见车牌本身的设计非常充分地考虑了便于人眼定位问题。由于天气、光照、污损等因素的影响，采集到的车牌图像其对比度特征往往不理想；尤其是夜间汽车前灯开放或白天强太阳光照射下引起的车牌反光，车牌信息丢失更大，车牌定位难度更大。 车牌由字符组成，字符在二值图像中表现为边缘信息，且我国车牌的前景(即字符)和背景有固定的颜色搭配，基于此本文提出了一种全天候、高速、稳定的车牌定位方法。首先给出了一种灰度图像增强算法，对采集到的车牌图像进行增强处理；并根据车牌的颜色特征，提出了块色调均值定义，对采集到的图像进行块色调处理，去除了尽可能多的非车牌区域。进一步对增强后图像和块色调处理后图像分别进行Sobel边缘提取，然后基于车牌区域边缘均匀，长短有限等特征，滤除背景及噪声边缘点；最后通过投影搜索出车牌区域。对畸变、倾斜的车牌进行了倾斜校正；另外，为后面的字符切分做准备，对车牌的上下、左右四条边框进行去除操作。 在字符切分中，本文使用了一种高效的经验公式进行二值化处理，计算出车牌的高度和宽度；然后水平方向投影，依据车牌字符-间隔-字符的特征，分割出每个字符的准确位置。对于切割过程中遇到的超长字符块、超短字符块和干扰块进行切分、合并和删除操作。 对采集到的各种复杂背景、环境下的车辆图像进行了大量实验，实验结果证明本文的车牌定位和字符切割方法准确度高、稳定性好、适应性强。