邻域平均法是一种简单的空间域平滑噪声处理方法，属于线性滤波器。它是将原图中一个像素的灰度值和它周围邻近8个像素的灰度值相加，然后将求得的平均值(除以9)作为新图中该像素的灰度值。它采用模板设计的思想模板操作实现了一种邻域运算，即某个像素点的结果不仅与本像素灰度有关而且与其邻域点的像素值有关。模板运算在数学中的描述就是卷积运算。邻域平均法也可以用数学公式表达。邻域平均处理法是以图像模糊为代价来减小噪声的，且模板尺寸大，噪声减小的。如果f(i,j)是噪声点，其邻域像素灰度与之相差很大，采用邻域平均法就是用邻近像素的平均值来代替它，这样能明显消除噪声点是邻域中灰度接近均匀，起到平滑灰度的作用。因此，邻域平均法具有良好的噪声平滑效果，是简单的一种平滑方法。

　　但是在一些可以与汽车会车并且通行的非机动车辆混行的单通道，为了提高系统对不能会车的机动车辆进行的识别，建议采用双路地感检测器，同时控制好双路地感的两个线圈的间距，将一些可以与机动车辆会车的、长度比机动车辆短的非机动车辆屏蔽掉，从而提高单车道红绿灯智能引导控制的准确性。优势1.车牌识别在固定车辆管理的优势（1）彻底解决了一卡多车使用的情况发生（2）彻底解决了车主卡丢失，卡未携带的情况（3）彻底解决了有源卡换电池，卡损坏，卡挂失，补卡的工作

　　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。