1、“.....，，，，，，，，经网络和人工智能的新技术的应用是研究的个方向。根据车牌特点，般采用的车牌定位算法有边缘检测定位算法利用哈夫变换进行车牌定位色彩分割提取车牌等。这里我采用的是边缘检测的方法实现定位的。字符分割的方法也有多种基于聚类分析的字符分割投影分割的方法基于模板匹配的字符分割等。最常用的是投影分割，主要是针对在车牌定位，图像预处理后比较规则的车牌图像。优点是程序逻辑设计简单，循环执行功能单，便于设计和操作，程序执行时间短。字符识别的基本方法通常又三类结构特征分析方法模板匹配法神经网络法。此处采用的是模板匹配的方法，即是将要识别的字符与事先构造好的模板进行比对，根据与模板的相似度的大小来确定最终的识别结果。但是系统本身还存在许多不足，距离具体实用的要求仍有很大差距。二体会本次实验不仅是对前面所学知识的种检验，而且也是对自己能力的种提高。这次让我学到了很多东西......”。

2、“.....涉及到方方面面的知识。同时在这期间我们遇到了很多困难，但我们知道做什么开始都不容易，只要定下心来，步个脚印的踏踏实实的去做，定会成功。当然，理论只有应用到实际中才能学着更有意义。学习是个长期积累的过程，在今后的工作生活中都应该不断的学习，努力提高自己的综合素质。此外，我们还总结出知识必须通过应用才能实现其价值,有些东西以为学会了，但真正到用的时候才发现是两回事，所以我们认为只有到真正会用的时候才是真的学会了。在整个实验中我们懂得了许多东西，也培养了合作的能力，树立了信心，发扬了吃苦耐劳的精神，相信会对今后的学习工作生活有非常重要的影响。同样此次也大大提高了我们的动手的能力，使我们充分体会到了在创造过程中探索的艰难和成功时的喜悦。虽然这个实验做的并非对车牌都合适，但是在设计过程中所学到的学习方法是我最大收获和财富，相信定会使我受益终身......”。

3、“.....盛党红，温秀兰，基于的零件图像识别年月中国制造业信息化第卷第期尹芳，王卫兵，陈德运，印刷体英文文档识别系统的设计与实现哈尔滨理工大学学报第卷第期年月汪益民，梅林，张义超，基于技术的书写文字识别系统设计甘肃科技第卷第期年月叶晨洲，廖金周，种基于纹理的牌照图象二值化方法，微型电脑应用，朱学芳等，种自适应细化方法，模式识别与人工智能，，，杨万山等，基于神经网络的工程图纸图形符号的识别，微型电脑应用，，，袁志伟，潘晓露车辆牌照定位的算法研究昆明理工大学学报刘阳，伊铁源等数字图象处理应用于车辆牌照的识别辽宁大学学报许志影李晋平极其在图像处理中的应用计算机与现代化，崔江王友仁车牌自动识别方法中的关键技术研究计算机测量与控制，梁玮罗剑锋贾云得种复杂背景下的多车牌图像分割与识别方法张引，潘云鹤，面向车辆牌照字符识别的预处理算法，计算机应用研究，，......”。

4、“.....其变化如图，图。图训练过程中误差曲线变化图训练结束时误差曲线可见，当神经网络训练完成后，其样本得出的输出结果和期望输出结果完全相同，即误差为零。下面就图所示测试样例进行测试。图测试样例识别结果如下答案正确。其识别图形如图。图识别结果图形训练后神经网络以及权重结果信息为，，，，，，，，，，由此可见，程序可满足期望要求。当然，也经常有识别的情况发生。对于识别情况的分析可知，主要原因是牌照自身的污渍等影响了图像的质量二是牌照字符的分割失败导致的识别再就是部分字符的形状相似性，比如，和和等字符识别结果可能发生混淆的情况。总之，尽管目前牌照字符的识别率还不理想，但是只要在分割出的字符的大小位置的归化，以及尝试提取分类识别能力更好的特征值和设计分类器等环节上再完善，进步提高识别率是完全可行的......”。

5、“.....近几年出现了许多切实可行的识别技术和方法，从这些新技术和方法中可以看到两个明显的趋势是单的预处理和识别技术都无法达到理想的结果，多种方法的有机结合才能使系统有效识别能力提高。在此次实验中，也汲取了以上些算法的思想，结合实际，反复比较，综合分析二是在有效性和实用的原则下，结合神增强处理对图象牌照的可辨认度的改善和简化后续的牌照字符定位和分割的难度都是很有必要的。增强图象对比度度的方法有灰度线性变换图象平滑处理等。灰度校正由于牌照图像在拍摄时受到种种条件的限制和干扰，图像的灰度值往往与实际景物不完全匹配，这将直接影响到图像的后续处理。如果造成这种影响的原因主要是由于被摄物体的远近不同，使得图像中央区域和边缘区域的灰度失衡，或是由于摄像头在扫描时各点的灵敏度有较大的差异而产生图像灰度失真，或是由于曝光不足而使得图像的灰度变化范围很窄......”。

6、“.....增强灰度的变化范围丰富灰度层次，以达到增强图像的对比度和分辨率。我们发现车辆牌照图像的灰度取值范围大多局限在，之间，而且总体上灰度偏低，图象较暗。根据图象处理系统的条件，最好将灰度范围展开到，之间，为此我们对灰度值作如下的变换使得∈其中，为线性变换，灰度线性变换图线性图若则图灰度增强后的图像平滑处理对于受噪声干扰严重的图像，由于噪声点多在频域中映射为高频分量，因此可以在通过低通滤波器来滤除噪声，但实际中为了简化算法，也可以直接在空域中用求邻域平均值的方法来削弱噪声的影响，这种方法称为图象平滑处理。例如，象素点的邻域有两种表示方法邻域和邻域分别对应的邻域平均值为，图邻域及其邻域模板其中，为邻域中除中心象素点，之外包括的其它象素总数，对于邻域，邻域。然而，邻域平均值的平滑处理会使得图像灰度急剧变化的地方......”。

7、“.....为了克服这种平均化引起的图像模糊现象，我们给中心点象素值与其邻域平均值的差值设置固定的阈值，只有大于该阈值的点才能替换为邻域平均值，而差值不大于阈值时，仍保留原来的值，从而减少由于平均化引起的图像模糊。图平滑处理后的图像图像中车辆牌照是具有比较显著特征的块图像区域，这此特征表现在近似水平的矩形区域其中字符串都是按水平方向排列的在整体图像中的位置较为固定。正是由于牌照图像的这些特点，再经过适当的图象变换，它在整幅中可以明显地呈现出其边缘。边缘提取是较经典的算法，此处边缘的提取采用的是算子。图未滤波直接提取出的边缘，经灰度校正后提取的边缘以及经平滑处理后提取的边缘对比以上几幅图片，图的边缘已经模糊掉了。图中包含的噪声太多，图未经滤波直接提取出的边缘图像最清晰，所包含的有用信息最多。分析这种情况产生的原因......”。

8、“.....从而简化了预处理图像的平滑处理会使图像的边缘信息受到损失，图像变得模糊图像的锐化可以增强图像中物体的边缘轮廓，但同时也使些噪声得到了增强综上所述，结合实验过程，得出不是每种图像处理之初都适合滤波和边界增强。本次汽车车牌的识别，为了保存更多的有用信息，经过多次比较，选择图作为后期处理的依据。车牌的定位与分割车牌定位对车牌识别系统来说至关重要，目前已经提出了很多车牌定位的方法，这些方法都具有个共同的出发点，即通过牌照区域的特征来判断牌照。根据不同的实现方法，大致可以把现有的定位方法分为直接法和间接法两类。直接法。直接分析图像的特征，如基于线模板的二值化图像中的角检测算法，该算法利用车牌的边框角点，检测车牌的四个角点，并以此的模板进行匹配，最后选最佳匹配作为结果。由于这种匹配算法稳定性较差时间花费也较大，因此，在此基础上提出了基于关键点的匹配算法......”。

9、“.....然后对关键点去噪，最后再确定字符的分类。这种匹配算法只利用了字符的关键点进行匹配，因此，提高了识别速度又具有较高的识别率。基于人工神经网络的算法主要有两种种是先对待识别字符进行特征提取，然后用所获得的特征来训练神经网络分类器另种方法是直接把待处理图像输入网络，由网络自动实现特征提取直至识别出结果。前种方法识别结果与特征提取有关，而特征提取比较耗时，因此，特征提取是关键。后种方法无须特征提取和模板匹配，随着相关技术的进步，这种方法更实用。神经网络人工神经网络也称为神经网络或连接模型，是对人脑或自然神经网络若干基本特性的抽象和模拟。但是人工神经网络是近现代才提出来的种新型技术，所以还有些缺点，不过它的优点却是非常明显的它可以充分逼近任意复杂的非线性关系。所有定量或定性的信息都等势分布于网络内的各神经元，故有很强的鲁棒性和容错性采用并行分布的处理方法......”。