彩色边缘检测与区域生长相结合的车牌定位算法。西北大学的王夏黎[9]利用车牌区域在HSV颜色空间中的经验值对输入的彩色图像直接进行二值化，再结合空间聚类方法和投影法提取车牌。中山大学的张树波[10]也是利用HSV颜色模型进行分析，对输入的彩色图像进行颜色分类，每一类颜色对应一个灰度级，处理后生成5级灰度图，再结合数学形态学、字频统计方法判断车牌位置。中国科技大学的王卫[11]则是利用HSI颜色模型计算输入图像的色彩距离图谱，然后通过自适应熵阈值的选取确定车牌候选区域，再根据车牌纹理特征对候选区域进行筛选以得到精确位置。赵雪春[12]提出基于HSI和多级混合集成分类器的车牌定位方法，采用多层感知器网络对输入彩色图像进行彩色分割，再通过投影分割出车牌区域。
④ 其他综合多种算法的定位方法
清华大学的陈寅鹏[13]提出一种综合多种特征的车牌定位算法，引入字符分割结果的识别可信度去除伪车牌，以解决背景复杂的彩色图像中车牌定位问题。泰国的Premnath Dubey[14]提出一种利用密度累加的车牌定位预处理方法，首先计算输入图像的垂直边缘图，然后用连线方式将符合要求的像素连接在一起，以突出像素密集区域，最后从这些区域中确定车牌位置。奥地利的Wenjing Jia[15]提出一种基于区域特征的车牌定位算法，其特点是首先采用均值移位法从彩色图片中选出候选区域，然后计算区域特征，再用Mahalanobis分类器进行分类得到定位结果。
（2）常见的字符识别方法：
① 模板匹配方法
中科院自动化研究所的童剑军[16]对相似字进行深入的分析，提出了一种“子区域权值模板”车牌字符精判别方法，将归一化后的字符分为6个子区域，不同的相似字赋予不同的权，并对相似字做进一步的判别，以提高整体识别率。韩国的Mi-Ae Ko对车牌字符识别做了深入的研究，在2003年的文章[17]里介绍了加权模板匹配的字符识别方法。
② 基于神经网络的字符识别方法
中国科学技术大学的黄戈祥[18]提出了ART2神经网络在LPR系统中的应用，利用Zernike矩提取字符旋转不变特征，并以ART2神经网络作为分类器实现字符识别。华东交通大学的胡晓燕[19]对BP神经网络和ART自组织网络两种字符识别算法进行了综合实验和比较。西安电子科技大学的赵先军[20]对BP神