永州全自动升降柱生产厂家

　　基于分类器的字符识别基于分类器的字符识别，是目前应用较广的一种车牌识别方式。其主要的思路是通过对样本数据的学，达到自动将数据分类到已知类型。分类器其实是一种数学模型，目前有很多类型的分类器，包括Bayes分类器、决策树模型、BP神经网络分类器等。 贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有大后验概率的类作为该对象所属的类。也就是说，贝叶斯分类器是小错误率意义上的优化。

　　由于车牌识别设备一般都是安装在室外，且汽车车身不可能是完全整洁的、无污垢的，车牌上也可能存在泥点、污渍等杂质，因此采集到的图像中难免会存在一些噪声点。这些看似不起眼的噪声点或多或少的都会影响到定位的准确率。

　　在车牌的字符分割中，有许多因素会对车牌的字符分割造成影响，例如图像的噪声、车牌的定位不、字符的粘连、汉字的不连通等。本文介绍一种改进的水平投影算法，该算法能够克服这些因素造成的不良影响，并且能够准确的分割出车牌，为后续的识别做好准备。为了分割出相互独立的字符，对经过Otsu算法阈值化的灰度图进行分割。以下以改进的水平投影算法为例进行介绍:去除车牌字符的上下边界以外的区域。对灰度化的车牌图像从下向上逐行扫描，并统计出每行的像素值为 255 的像素的个数，当像素值为 255 的像素个数大于 7时（车牌有 7 个字符），认为寻找到车牌字符的下边界。同理，从上向下逐行扫描，能够寻找到车牌字符的上边界。去除车牌字符上下边界以外的区域。去除车牌字符上下边界之后，设车牌的高度为 height，宽度为 width。

　　基于特征统计匹配算法基于特征统计匹配算法主要原理是先提取输入模式的车牌字符统计特征，再按照一定的规则与所确定的决策函数进行分类判断。字符的统计特征包括像素块数、字符的轮廓数、轮廓的形状等。像素块是指二值化图像中上、下、左、右四个方向上相互连通的白素区域所组成的一个连通区域的像素块，由此可知，汉字字符的像素块大于1，英文字母和数字的像素块数是1。汉字的识别是将字符点矩阵看作是一个整体，根据每个字符的笔画特征点不同，将字符分解为横、竖、撇、捺等一种或几种的组合，经过统计从而得到相应的特征，接着再与字符库中的特征集进行匹配，获取输入字符的识别结果。在实际的应用中，由于外部原因造成了字符常常会出现模糊、倾斜等情况，导致了部分字符无法正确识别。