在数字图像处理中，噪声的消除一直是人们所关注的重点。噪声可以理解为影响传感器对所接收图像源进行理解或分析的各种因素。噪声一般是不可预测的随机信号，它只能用概率统计的方法去认识。噪声对图像的输入、采集和处理的各种环节，以及输出结果的全过程都有影响。因此，去噪已经成为图像处理中为重要的手段，也是图像处理领域研究的一个重点。在图像测量系统中，通过摄像机、图像采集卡获取的图像信号中不可避免的

　　治安卡口系统就充分发挥了车牌识别技术和分布式架构设计的优势，搭建了统一的卡口系统平台。具备了汽车图像记录、速度测定、号牌识别、自动报警、数据管理、流量统计、远程维护等综合性的业务功能，已被广泛应用于国道、省道、高速公路等路路面的交通事故预防和有关车辆案件的侦破。整个系统的运行都是围绕着车牌号码这个核心，车牌号码识别的就直接影响了系统的整体性能。所以该系统前端设计采用了视频流实时识别技术，并且10ms的识别时间充分了高流量道路车辆的一一识别，达到全天候全牌识别率不低于85-95%的。

　　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。

　　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。