中文格式	英文格式	所属专业	质量等级	出处	翻译方向	备注
word	word	电力、电子通信专业		有	英译中

以下是该篇外文翻译部分中文：　 　 　 　　　 　 　　　　　　　　　　　　　 　 　　　　　　立即购买

摘要

此论文所介绍的是中国的车牌识别系统。在实际的环境下所获得的图像通常是失真的。在这里设计了一种方法来调整失真的车牌。图像总是受到了天气和光线的影响，这是得灰度比例不均一。一个预处理操作被用来解决这个问题。利用模板匹配来进行字符识别，我们能够避免孤立字符，提高提取字符的正确性。基于少数几个字符容易红混淆这个问题，我们建立了BP神经网络来有效的完成字符识别。

• 引言

我们研究的目标是中国车辆牌照的识别。车牌识别是实现自动车辆管理，交通管制，无人的征收通行税的关卡等等所必需的能力。在车

• 调整变形的车牌

汽车牌照通常会出现变形，就像在火柴盒外壳用力，使他呈平行四边形状扭曲。这种变形遵循如下准则：

• 预处理

照明和天气条件的不同使得图像非常不相同，这些在图像获取时是已知的，因此产生了运用不同对比方法解决方案的图像。特别的，当

• 图案匹配

被识别的目标是写在车牌上的字符，在实际条件下，一些不确定的因素导致了框架与字符之间或字符与字符之间的粘连，使得将单个字

• 识别运算法则

在车牌中，第一个位置是汉字，第二个是字母。根据分类，我们设计了一个识别的运算法则来避免将单个字符孤立出来。从前一节中，

• 处理少数容易混淆的字符

一些拥有类似形状的字符在图像匹配中很容易被混淆，比如O,Q,D,B,8等等。他们之间的差别是极细微的。我们可以提取细微的特征和建

• 结论

最后，我们通过在第二节中提到的调整方法讨论每一个识别结果。如果我们只是像图3一样旋转图像到一个特定的角度，识别的结果会是 苏KD4651，字符0被错误的认为是D是由于像素的不匹配。然而，用像图4一样的调整方法，结果是苏K04651.这是对的。

我们使用从关卡处所获得的275个图象来验证在这篇文章里所述方法的灵活度.在表格1中介绍了结果.我们能够注意到通过我们的调整,识别率上升了3.6%,识别率92.7%也显示了整个系统是灵活的.

未来的努力将致力于寻找其他的预处理技术,使用其他的操作来衡量图象的匹配度.表1是在第二节中的所提到的两种方法的比较：

好文在线版权声明：此文为haofile.com独家撰稿，著作权属作者所有。传统媒体、公众站点转载请事先联系本站