现在我们开车不管到哪里都很少会看到靠人工值守的收费岗亭了，越来越多的停车场都已经使用上了智能停车场收费管理系统，这样让原本进出要靠一两个人工来值守的收费岗亭变成只需要一个人甚至无人值守的岗亭，这种大的改变不仅释放人力，而且智能云平台管理，在很大程度上车牌识别速度，能够的完成车辆的通行和收费流程，车主可以自由的选择使用支付宝或微信在线自助缴费，智能便捷，收费效率的同时，杜了收费管理方面的漏洞。

　　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！

　　在理想的情况下，噪声属于高频信号，因此在处理的过程中应该采用低通滤波器。但是图像中的边缘信息也属于高频信息，它包含了大部分的实验对象的特征信息，在下一步图像处理的过程中需要被提取出来。因此一个好的平滑滤波方法应该是既要滤除图像中不需要的噪声信号，同时也要保持图像的边缘信息，不使图像边缘轮廓和线条变模糊，让图像变得更有利于计算机处理。在许多情况下，线性滤波方法能够有效的对被噪声污染的图像进行复原，但那多数的线性滤波器具有低通特性，在去除噪声的同时也使图像边缘变模糊。某些非线性滤波方法既能去除噪声又能保护图像边缘，获得较好的图像处理效果。

　　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。