在实际开发过程中，车牌图像预处理的去处噪声环节计算量大，所消耗的时间也多。因此，采用有效的中值滤波算子在去噪质量的基础上，减少计算量，加快处理速度变得尤为重要。 车牌识别是一种典型的复杂背景下模式识别问题，其中关键也解决的问题往往集中在车牌定位的过程上。车牌定位的工作主要是从拍摄到的汽车图像中找到汽车牌照所在的位置，并把车牌从该区域中准确地分割出来，便于字符分割使用。在车牌识别系统中，牌照区域的确定是影响系统的重要因素之一，牌照的定位准确定位与否直接影响到字符分割和识别的准确率。

　　字符识别的准确性直接决定了该系统是否。在之前的研究中经常被用于字符的识别主要有模板匹配法和神经网络识别法。在这次研究设计中我们采用的是模板匹配法进行识别，该方法是将分割出来的字符样本进行字符归一化处理，使图像大小与原先已经存储在计算机内的标准字符大小一致，再与标准字符进行一一对比，结果取差异小的相对应的标准字符。这种模板匹配的方法相对比较、简单。但是对字符图像要求比较高，一旦图像有噪声或者亮度问题其结果就可以能存在差异。神经网络识别法，它是结合神经网络技术，依靠人的经验来取得字符的特征，再利用神经网络的辨别能力来对字符进行识别，这个方法得到的结果会比较准确，但技术要求较高。

　　依靠科技求发展，不断为用户提供满意的智能化系统，优质的产品、适中的价格、专业的技术和一流的服务是我们永恒的追求。在机会和挑战并存的竞争环境中，为满足市场不断增长的需求，公司将一直站在行业高新技术的尖端，秉承“理性务实、创新发展”的宗旨，奉行“进取、求实、严谨、团结”的方针，不断开拓创新，以技术为核心、视质量为生命、奉用户为上帝，竭诚为您提供性价比最高的智能产品、高质量的工程设计改造及无微不至的售后服务。

　　“让科技刷新您的梦想”“让我们的服务成就您的品牌！”是我们秉承的宗旨，期待与更多的合作伙伴同行，赢得机会，赢得市场！

　　车牌识别系统目前已经成熟应用于各类的智能交通、安防系统中，对图像、视频中的车辆号牌进行自动的检测识别.典型的应用系统为:闯红灯自动监测系统，机动车超速监测系统，机动车逆行、压线监测系统，移动电子警察系统，治安卡口系统等智能交通系统。较为典型的应用为治安卡口系统，该系统如果没有车牌识别技术，就没有真正意义上的自动化智能。一个完善的治安卡口管理系统应该具备车牌自动识别、卡口应用系统和中心联网管理三个主要功能。车牌识别是其中为重要的一部分，只有达到实用识别技术的卡口系统才能有效的实现自动比对报警，避免出现大量的误报。同时，识别速度快，系统需要占用的系统资源就少、人工介入的可能性就小，系统网络的运行负担也相应减小。车牌识别的优劣直接影响的卡口系统的整体性能。