字符識(shí)別屬于模式識(shí)別的范疇，通常的字符識(shí)別方法可分為2類：基于字符結(jié)構(gòu)（筆畫特征）的結(jié)構(gòu)識(shí)別和基于字符統(tǒng)計(jì)特征的統(tǒng)計(jì)識(shí)別。結(jié)構(gòu)模式識(shí)別方法的優(yōu)點(diǎn)是可以識(shí)別復(fù)雜的模式，缺點(diǎn)是需要進(jìn)行筆畫特征的提取，在輸入圖像質(zhì)量不佳的情況下，這一點(diǎn)往往難以做到。在統(tǒng)計(jì)模式識(shí)別方法中，特征提取方便，識(shí)別速度與識(shí)別對(duì)象無關(guān)，但需要得到字符集的穩(wěn)定特征，且在字符筆畫較多時(shí)要求的特征量非常大。二種識(shí)別方法各有優(yōu)缺點(diǎn)。
　　人類的視覺感知系統(tǒng)是一個(gè)魯棒性很強(qiáng)的、能抵御實(shí)際中可能遇到的各種變形和噪聲干擾的文字識(shí)別系統(tǒng)。人們的認(rèn)字過程實(shí)際上是對(duì)漢字整體形象的把握，是對(duì)漢字圖像全局的處理過程［1］。因而，漢字的整體信息在無筆順識(shí)別中起著無法替代的重要作用。
　　統(tǒng)計(jì)模式識(shí)別借助概率論的知識(shí)，判斷或決策對(duì)象的特征類別，使得決策的錯(cuò)誤率達(dá)到最小?；诮y(tǒng)計(jì)特征的識(shí)別方法先抽取識(shí)別對(duì)象的穩(wěn)定特征，組成特征矢量，然后在字符集的特征空間中進(jìn)行特征匹配?；谝陨险J(rèn)識(shí)，在分析汽車牌照中漢字字符的特點(diǎn)后，采用了有別于結(jié)構(gòu)分析的一種基于字符圖像特征統(tǒng)計(jì)的模式識(shí)別方法進(jìn)行漢字識(shí)別。同時(shí)針對(duì)統(tǒng)計(jì)方法無法區(qū)分的相似漢字，提取其微結(jié)構(gòu)信息進(jìn)行特殊的校正識(shí)別。
　　1 特征統(tǒng)計(jì)匹配
　　統(tǒng)計(jì)決策論其要點(diǎn)是提取待識(shí)別模式的一組統(tǒng)計(jì)特征，然后按照一定準(zhǔn)則所確定的決策函數(shù)進(jìn)行分類判決［2］。漢字的統(tǒng)計(jì)模式識(shí)別是將字符點(diǎn)陣看作一個(gè)整體，從該整體上經(jīng)過大量統(tǒng)計(jì)得到所用特征，用盡可能少的特征模式來描述盡可能多的信息。所采用的方法有：特征統(tǒng)計(jì)的方法、整體變換分析法［3］、幾何矩特征、筆劃密度特征、字符投影特征、外圍特征、微結(jié)構(gòu)特征和特征點(diǎn)特征等。這些方法都具有各自的優(yōu)缺點(diǎn)，應(yīng)根據(jù)具體應(yīng)用進(jìn)行選取。主要方法有外圍面積特征匹配法和網(wǎng)格特征匹配法。外圍面積特征反映了字符的輪廓信息。外圍面積特征提取法，主要是從周圍形狀的心理學(xué)知識(shí)來獲得漢字信息的特征，即對(duì)文字周圍上下左右的形狀進(jìn)行量化，從而構(gòu)造特征向量。網(wǎng)格特征實(shí)際是結(jié)構(gòu)模式識(shí)別和統(tǒng)計(jì)模式識(shí)別相結(jié)合的產(chǎn)物。字符圖像被均勻或非均勻地劃分為若干區(qū)域，稱之為“網(wǎng)格”。在每個(gè)網(wǎng)格內(nèi)尋找各種特征，如目標(biāo)面積比例、交叉點(diǎn)、筆劃端點(diǎn)的個(gè)數(shù)、細(xì)化后的筆劃長度和筆劃密度等。特征統(tǒng)計(jì)以網(wǎng)格為單位，即使個(gè)別點(diǎn)統(tǒng)計(jì)有誤差也不會(huì)造成大的影響，從而增強(qiáng)了特征的抗干擾性。因此這種方法得到日益廣泛的應(yīng)用。在實(shí)際的車牌漢字識(shí)別中，當(dāng)相同漢字的二值圖形變動(dòng)較小時(shí)該方法較有效。具體應(yīng)用：將尺寸為34×66象素的漢字二值圖均勻分成32個(gè)正方形的小區(qū)域（不考慮外邊框的1個(gè)象素），統(tǒng)計(jì)每個(gè)8×8的小區(qū)域內(nèi)目標(biāo)象素（白色）所占的面積比例，就得到了歸一化的32維特征矢量。統(tǒng)計(jì)多幅相同漢字的32維特征矢量，取均值作為該漢字的標(biāo)準(zhǔn)網(wǎng)格特征模板。識(shí)別時(shí)，計(jì)算待識(shí)別漢字的32維網(wǎng)格特征矢量與模板矢量之間的Euclid距離，求得最小距離值，其對(duì)應(yīng)的漢字即為識(shí)別結(jié)果。在具體應(yīng)用中，由于外部原因常常會(huì)出現(xiàn)字符模糊、字符傾斜的情況，而網(wǎng)格特征匹配方法對(duì)字符模糊和傾斜較敏感，因此魯棒性不是很強(qiáng)，不適合實(shí)際應(yīng)用。
　　2 模板匹配
　　考慮到以上2種主要識(shí)別方法存在的弊端，決定選用模板匹配的算法進(jìn)行字符的識(shí)別。實(shí)際研究中發(fā)現(xiàn)，二值化的圖形模板雖然直觀，但其匹配計(jì)算過程過于簡(jiǎn)單直接，對(duì)傾斜、形變、殘損、模糊的待識(shí)別字符匹配誤差較大，因此魯棒性較差。而灰度模板由于色彩、光照等因素影響，難以找到普遍適用的模板形式實(shí)現(xiàn)直接的匹配計(jì)算。綜合以上二方面的問題，在引入統(tǒng)計(jì)模式識(shí)別思想的基礎(chǔ)上，提出了基于二值圖形變動(dòng)分析的模糊模板匹配方案。
　　2.1 基于二值圖形變動(dòng)分析的模糊模板匹配
　　在含有汽車牌照的圖像中，將漢字定位并提取出來以后，還要完成規(guī)格化、二值化等操作。即使是相同的漢字，由于車牌傾斜、模糊，特別是由于每次定位不可能完全精確一致等諸多因素的影響，導(dǎo)致在二值圖中字體的形狀、大小都會(huì)不同，字體位置也會(huì)發(fā)生不同程度的偏移。將這種二值圖形的不規(guī)則現(xiàn)象稱為圖形的變動(dòng)。在漢字識(shí)別的分析過程中，希望對(duì)圖形變動(dòng)的大小進(jìn)行量化處理。因此，提出了求圖形整體變動(dòng)量的統(tǒng)計(jì)方法，其優(yōu)點(diǎn)是不需要參照標(biāo)準(zhǔn)圖形，可以進(jìn)行客觀評(píng)價(jià)，并構(gòu)造出用于匹配識(shí)別的模糊模板。
　　對(duì)每一個(gè)車牌的漢字字符，選取n幅質(zhì)量較好的參考圖。將這n幅參考圖規(guī)格化為17×33的標(biāo)準(zhǔn)大小后進(jìn)行二值化處理，得到標(biāo)準(zhǔn)參考圖fi（x，y）。因此每個(gè)車牌漢字字符都有n幅由0、1所組成的二值圖像。將這n幅二值圖像對(duì)齊后疊加，再進(jìn)行歸一化。得到的模糊圖形F（x，y）。四個(gè)漢字的模糊圖形模板（不同方向的視覺效果）如圖1所示。
　　
　　該模糊圖形上每一象素點(diǎn)實(shí)際上都對(duì)應(yīng)著一個(gè)概率值，該概率值代表白色目標(biāo)（漢字筆劃）在該點(diǎn)出現(xiàn)的可能性。例如在模糊模板中若某一點(diǎn)值為1，表明在所有參加統(tǒng)計(jì)的二值圖形上漢字筆劃都經(jīng)過該點(diǎn)，其為白色目標(biāo)象素的可能性是100％，為黑色背景象素的可能性是0；反之亦然。進(jìn)行匹配識(shí)別時(shí)，對(duì)一幅切分后的待識(shí)別漢字灰度圖，將其規(guī)格化、二值化，然后計(jì)算每一象素點(diǎn)與模板的吻合程度，即每一象素點(diǎn)正確匹配的置信度con（x，y）。