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。
字符识别方法主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法是首先将分割后的字符二值化，并将其尺寸缩放为字符数据库中模板的大小，然后与模板进行匹配，选取佳匹配作为结果。建立数字库对该方法在车牌识别过程中很重要，数字库准确才能检测出的数据正确。基于人工神经元网络的算法有两种，一种是先对特征提取待识别字符，然后用所获得的特征训练神经网络分配器；另一种是直接将待处理图像输入网络由网络自动实现特征提取直至识别结果。模板匹配实现简单，当字符较规整时，对字符图像的缺损、污迹干扰适应力强且识别率高。因此，这里将模板匹配作为车牌字符识别的主要方法。
中值滤波是由Tukey首先提出的一种典型的非线性滤波技术。它在一定的条件下可以克服线性滤波器如小均方滤波、均值滤波等带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声有效。由于在实际运算过程中不需要图像的统计特征，因此使用方便。传统的中值滤波一般采用含有奇数个点的滑动窗口，用窗口中各点灰度值的中值来代替指定点的灰度值。对于奇数个元素，中值是按大小排序后中间的数值，对于偶数个元素，中值是指排序后中间两个元素灰度值的平均值。中值滤波也是一种典型的低通滤波器，主要用来抑制脉冲噪声，它能够彻底滤除尖波干扰噪声，同时又具有较好地保护目标图像边缘的特点。
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。