总结
通过对车辆牌照识别算法的研究，在对车辆牌照识别系统有了初步的了解和认识的同时，也巩固了以前所学过的诸如数字图像处理、模式识别等课程。总的来说，本文所做的车辆牌照图像识别算法的研究与实现只是整个智能交通管理系统和车辆识别系统中的一个很小的部分，但同时也是比较重要的部分。只有将算法优化，才能在实际的应用过程中减少误识、拒识，提高识别的正确率，使整个系统正常工作。
整个识别系统中还有许多不足之处和需要进一步的改进的地方，主要体现在以下几个方面：
1、牌照定位方面：由于二值化阈值选取的问题，只有在牌照底色与周围的背景颜色有较大区别时，才能做出正确分割，并不适合所有的车辆牌照，所以二值化方法即阈值的选取还有很大的改进余地。另外定位算法还需要作进一步的改进，由于车辆识别系统大多数都是在车辆行进时进行图像拍摄，且都存在一定的拍摄角度，所以要求定位算法具有较强的适应性，而在实验的过程中发现，如果车牌存在较大的倾斜，则系统会出现错误，这是另一点需要改进的地方。
2、神经网络识别中的特征提取：在神经网络识别中存在有特征提取和无特征提取两种方法。有特征提取：这一类系统实际上是传统方法与神经网络方法技术的结合，这种方法可以充分利用人的经验来获取模式特征以及神经网络分类能力来识别字符。但它的抗干扰能力不如无特征提取；无特征提取：省去特征抽取，整个字符直接作为神经网络的输入，这种方式下，系统的神经网络结构的复杂度大大增加了，输入模式维数的增加导致了网络规模的庞大。具体选择哪种方法进行识别值得研究。
3、由于能力所限，汉字和字母的识别没有实现，这是整个软件系统的巨大缺陷，没有汉字和字母的识别，整个系统就不能实现对车牌的识别。实现对汉字和字母的识别是以后的工作重点。


本电子电气通信自动化毕业设计“车辆牌照图像识别算法研究与实现”论文由清风毕业设计网[www.lunwen550.com]征集整理！