1、“.....个车牌识别系统要求能够在公路环境中全天候工作能处理模糊污损倾斜的车牌基于支持向量机的车牌字符识别方法论文原稿型，最后得出识别结果。关键词智能交通字符分割车牌识别中图分类号文献标识码文章编号绪论车牌识别是计算机视觉图像处理和模式识别在领域的应用，是的个重要组成部分。车牌识别系统有着广泛的应用，它的的字符识别方法......”。

2、“.....形成个模板库，识别的时候就将待识别的字符与模板库中的模板进行匹配，计算它们的相关度，根据相关度的大小来确定待识别的字符的类别。基于神经据的能力。尽管很多科研工作者在车牌识别技术上做出了很多贡献，但是车牌识别技术仍未成熟。关键词智能交通字符分割车牌识别中图分类号文献标识码文章编号绪论车牌识别是计算机视觉图像处理和模式识别在领域的训练过程首先对归化成像素的值图像提取维的粗网格特征......”。

3、“.....实际工程应用中，由于环境的复杂性，晚上或雨天拍摄的汽车图像可能受光不均匀对比度不高摄像机的架设测试阶段。训练阶段是对训练集的样本进行特征提取，然后设置参数并训练出分类器测试阶段是对测试集的样本进行特征提取，将特征代入已经训练好的分类器，计算出决策值，根据决策值判断样本所属的类别和字符识别。本文的研究重点是车牌字符切分和字符识别这两个部分。本文针对字符识别方面，首先对字符进行特征提取，介绍外围轮廓特征提取方法和粗网格特征提取方法......”。

4、“.....实验结果分类器，第种分类器是将字母和数字字符共个字符，每个字符分别取个样本，共个训练样本，训练出个字分类器，不对相似字符进行次识别。第种分类器是将字母和数字个字符中归为类，归为类，训练出个分类目前最常用的核函数是核函数，本文也采用核函数，原因主要有以下几点核函数可以实现非线性映射。核函数需要训练的参数少，分类器较简单。多项式核函数的参数比核函数的多......”。

5、“.....也是很重要的个环节。基于的车牌字符识别分为训练阶段和测试阶段，如图所示。基于支持向量机的车牌字符识别方法论文原稿。出版社，。是世纪年代初由等人提出的种机器学习方法，由于它具有出色的学习性能，该技术很快成为机器学习界的研究热点，在解决小样本问题有较大优势。基于的字符识别方法分为训练阶段和近邻插值，双线性插值和双立方插值，本文选用了双线性插值进行大小归化。车牌字符的高宽比是，本文用双线性插值的方法将字符归化到像素的图像......”。

6、“.....小波变换系数特征外围轮廓表明，本文提出的新方法能对相似字符的识别效果良好，能有效地解决光照不均匀的车牌图像的值化问题，适应能力强。参考文献陈进车牌识别系统关键技术的研究合肥中国科学技术大学，史忠科，曹力交通图像检测与分析科，然后对相似字符进行次识别。用个或字符的值图像作为样本，将这个样本分别代入第种分类器和第种分类器去识别，正确率是以字符的个数为单位来统计，识别效果表所示......”。

7、“.....核函数的选择会影响到分类器的性能，然而等人在研究中发现，不同的核函数对性能的影响不太大，对性能影响最大的是惩罚因子和核函数的参数厂车牌识别实验结果分析本实验设计两种征和粗网格特征，常用于车牌字符识别的特征是外围轮廓特征和粗网格特征，下面分别介绍外围轮廓特征和粗网格特征这两种特征提取方法。外围轮廓特征的提取方法描述如下从上到下扫描图像......”。

8、“.....故并不需要进行位置归化，而笔画密度归化主要是将字符细化，这对于本文采用的特征提取方法来说并没有太大作用，因此本文只做大小归化。大小归化通常有种方法阶段。训练阶段是对训练集的样本进行特征提取，然后设置参数并训练出分类器测试阶段是对测试集的样本进行特征提取，将特征代入已经训练好的分类器，计算出决策值，根据决策值判断样本所属的类别。车像具有实时处理数据的能力。尽管很多科研工作者在车牌识别技术上做出了很多贡献......”。

9、“.....训练过程首先对归化成像素的值图像提取维的粗网格特征。然后根据所选的核函数及其参数惩罚因子训练出要应用有高速公路自动收费城市交通监控停车场管理机场等出入口车辆管理车辆违章管理。基于支持向量机的车牌字符识别方法论文原稿。实际工程应用中，由于环境的复杂性，晚上或雨天拍摄的汽车图像可能受光不均匀对比络的字符识别方法。基于神经网络的字符识别方法般分为两个阶段，分别是训练阶段和测试阶段。训练阶段首先对字符进行特征提取......”。