响时，又容易产生偏移，另外根据字符的特征，不同的字符有不同部分缺失，如： 沪，左边的偏旁容易被去除，粵字上面的一点容易被去除，因此，根据这些特点，对不同的字 符制作不同的模板，其模板归一化大小为32*16的二值图像，背景为0,前景为1，从左往右 分别表示正常字符模板、左上下三方向部分缺失、上面缺失+左偏移、左上下偏移。如果不 是警用车牌，则选择军用车牌的10个单模板字母库，采用互信息单模板匹配与易混字特征 提取，本实施例中，所述的军用车牌的10个单模板字母库分别为北、济、南、沈、广、成、兰、 军、海、空，其简称字母为：B、J、N、S、G、C、L、V、Η、K。
[0063] 进一步，步骤S1中所述的多模板互信息匹配指每个字符对应多个不同的模板，可 根据字符的不同特征与分割方法进行不同模板的制作。如果要识别一个待识别字符，其主 要步骤如下：
[0064] a.首先计算待识别字符与字符库中每个模板的互信息，并求得最大互信息。
[0065] b.互信息是模板匹配算法中一种有效的算法，其取相似性最大者为所属图像所属 类别，即计算待识别字符与模板字符的最大互信息者为所属类别。
[0066] 互信息计算公式为：I(A，B) = H(A)+H⑶-H(AB)。 其中，Η =对于输入的二值图像I (X，y)，其熵可得，Η⑷ =-^(0)1〇8必(0)+口^1)1〇8必(1))。同理，模板库中第;[个模板的熵为：以;0=-匕(0) log2Pl (0)+Pl (1) log2Pl⑴）。则可得待识别字符与第i个模板互信息为：H(A，i) = _(ρΑι1 (0) log2pA,i (0) +pA,i (1) log2pA,i (1))。其中，pA, i (0)表示待识别字符与模板字符像素点都为0的 概率。
[0067] c.那么，将待识别字符判为互信息最大的模板所属的那一类。
[0068] 进一步，步骤S1中所述的单模板互信息与易混字特征提取方法的主要步骤包括： [0069] 1)对待识别字符进行单模板互信息识别，其方法同多模板互信息一样，只是每个 字符只对应一个模板。
[0070] 2)如果经过单模板互信息匹配判别的字符属于易混字符（例如C与G或者N与 G)，则进行易混字符特征提取判别，并输出判别结果；如果不属于易混字符，则输出单模板 互信息的判别结果。
[0071] 进一步，易混字符的特征提取判别方法实现步骤如下（以下所述的易混字符特诊 提取判别方案同此处所述方案）：首先，根据单模板互信息匹配判别的结果，进行不同的特 征提取，然后将其特征与模板库对应的特征求欧氏距离，将其判为欧氏距离最小的那一类。
[0072] 本实施例中，易混字符的特征提取判别实现步骤具体如下：如果在上述步骤中进 行互信息的判别结果为C或者G，则进行待识别字符的右侧面轮廓深度与中间部分白像素 和，并分别求其与C模板以及G模板相同特征的欧式距离，将待识别字符判为属于最小欧氏 距离的那一类。利用同样的方法判别N与H，提取特征为最大上轮廓深度以及轮廓的宽度 比。
[0073] 本实施例中所述的中间部分白像素和指的是像素统计特征，像素统计特征主要指 在一定区域范围内统计满足某一条件的像素和。在本发明中，主要用到的统计特征有：①中 间部分的白像素和（基于32*16大小的字符模板，其区域范围为：左上坐标为（6, 10)，右下 坐标为（10, 20));②右下角部分的白像素和（基于32*16大小的字符模板，其区域范围为： 左上坐标为（10, 16)，右下坐标为（16, 32));③下半部分白像素和（基于32*16大小的字符 模板，其区域范围为：左上坐标为（1，16)，右下坐标为（16, 32))。
[0074] 本实施例中所述的右侧面轮廓深度指的是侧面轮廓深度特征提取，侧面轮廓深度 指字符某一侧面离边界的深度和，令在第i行，从右边界向左边界扫描，当遇到第一个像素 不为零时，计算右边界到此像素点之间的为零数量。通过提取字符4个侧面的轮廓深度累 加和，可获得4个特征向量，即左侧面轮廓深度、右侧面轮廓深度、上侧面轮廓深度、下侧面 轮廓深度。比如，字符" S"与"8 "的左轮廓深度与右轮廓深度明显不同。
[0075] 本实施例中所述的最大上轮廓深度指从中间列向右边扫描，计算每一列为零像素 深度（即计算每一列从第一行开始连续为零像素点的个数），获得最大的轮廓深度为其特 征。
[0076] 本实施例中所述的轮廓的宽度比指从每一行的左边开始扫描，计算每行的第一次 由1变为〇到第一次由〇变1中间为〇的个数，并计算其最大与最小的个数比即为轮廓宽 t匕。
[0077] 步骤S2 :第二个字符识别。第二个字符都为26个字母，因此选择26个字母的单 模板库，采用互信息单模板匹配与易混字特征提取方法。
[0078] 所述的易混字符与其特征提取方法包含如下：
[0079] ①与"E" "F"易混字有："B"，其采用的特征方法为：下半部分像素统计特征与右 轮廓深度。
[0080] ②与"B"易混字有："D"，其采用的特征方法为：中间像素统计。
[0081] ③与"D"易混字有："0" :其可根据左直线像素统计特征与左上左下的零像素统 计进行识别。
[0082] ④与"G"易混字有："Q、S、B"，首先根据左直线像素统计特征与左上左下的零像素 统计区分出"B"，然后根据右下角、中间像素统计特征与左右轮廓深度特征区分"S、Q、G"。
[0083] ⑤与"Q"易混字有："0、D"，首先采用左直线像素统计特征与左上左下的零像素统 计区分出"D"，然后根据右下角像素统计以及内轮廓深度区分出"0、Q"。
[0084] ⑥与"C"易混字有："0、G"，直接采用右轮廓深度即可区分。
[0085] ⑦与"P"易混字有："R"，采用下半部分像素统计特征以及右轮廓深度特征。
[0086] ⑧与"0"易混字有："G、D、Q"，首先根据左直线像素统计特征与左上左下的零像素 统计区分出"D"，然后根据右下角像素统计特征、内轮廓深度与右轮廓深度的特征融合区分 "0、Q、G，， 。
[0087] ⑨与"U"易混字有："0、D"，首先根据左直线像素统计特征与左上左下的零像素统 计区分出"D"，然后根据上轮廓深度的特征"0、U"。
[0088] 本实施例中所述的左直线像素统计特征指的是基于模板32*16,统计从左往右每 列像素为1的个数大于某一阈值的行数，其与左上左下的零像素统计的相结合的具体应用 实例详见步骤S3的B与8、D与0的易混字特征提取方法。
[0089] 本实施例中所述的内轮廓深度方法与侧面轮廓深度类似，即指字符某一内部边界 的深度和，令在第i行，从左边界向左边界扫描，当遇到第一次像素点由1变为〇时起到由 〇变为1时结束，计算他们之间的为零像素个数，并根据需求，可以规定区域范围，求取他们 的累加和即为内轮廓深度。同样，根据四个不同方向，可得左右上下四个内轮廓特征，在本 发明中之应用到了上下两个内轮廓深度。另外，求〇与Q的内轮廓深度，由下往上扫描，从 第一次满足内轮廓深度的那行开始，往上扩展5行的区域进行内轮廓深度求和。其他字符 的内轮廓特征提取的范围都为固定值，比如上下两个方向，一般取上10行或者下10行进行 内轮廓深度统计。
[0090] 步骤S3 :第三个字符与第四个字符识别。根据我国车牌特征，第三个字符与第四 个字符都为字母与数字。因此选用24个字母与10个数字的单模板库，进行互信息单模板 匹配与易混字特征提取。
[0091] 所述的24个字母（除I与0)与10个字母的易混字符与特征提取（步骤S2中所 述的字母易混字符以外）如下：
[0092] ①"Z"易混字有："2"或者与"2"易混字有"Z"，其采用的特征为：取上内轮廓深 度，如果内轮廓深度大于预定的阈值（一般取值为7)，则判为2,否则为Z。
[0093] ②与"S"易混字有："5"或者与"5"易混字有"S"，其采用的特征为：取上内轮廓 深度，如果内轮廓深度大于预定的阈值（一般取值为15)，则判为S，否则为5。
[0094] ③与"T"易混字有："7"或者与"7"易混字有："T"，提取特征为：上半部分的左 轮廓深度与右轮廓深