汽车牌照自动识别系统设计

的训练程度。因此，本文采用模板匹配法。模板匹配法实际上就是采用多个标准样本的距离分类器。通常可利用平均样本法来计算样本均值以将其作为每个类别的标准样本，然后计算待识别样本与标准样本间的距离，最后选择距离最小的标准样本作为待识别的样本类别。

通常采用的距离准则如下;

(1)Minkowsky距离

该距离是若干种距离的通式表示：

(2)“City block”距离

即街区距离，它是对Manhattan距离的修正，同时加上了权重。即：

(3)Euclidean距离

即欧氏距离，是Minkowsky距离在λ=2时的特例，其优点是各点连续可微：

(4)Mahalanobis距离

即马氏距离，它注意到样本的统计特性，而排除了样本间的相关性影响。它可表示为：

本设计选用了欧式距离。因为欧式距离可以只计算

，这样可以降低计算时间。

3 结束语

本文提到的车牌照识别方法具有很好的识别效果，并可针对出现的漏识和识别错误等现象做出改进，预处理时还可对图像亮度进行分析，针对过亮或者过暗的图像采取不同的二值化策略;也可以根据字符识别的结果采用回溯方法来验证车牌定位和字符切分的准确性;字符识别部分可增加字符模版的训练样本数量，而采用神经网络作为分类器均可以提高字符识别的准确率。