6 结论
    本文将SVM的方法引入车牌字符识别中，在详细分析了车牌字符的排列特征的基础上，构造了用4个不同类别的SVM字符分类器；根据车牌字符的序号分别对应识别，再将识别结果组合，就得到了整幅车牌的号码。
    SVM方法采用核函数解决了高维样本识别问题，不需要进行模型网络结构设计，并且不需进行特征提取，只需要有限的样本参入训练，节省了识别时间，这些都非常符合车牌字符识别的要求。本文采用一一区分法将SVM方法从二类别识别扩展到了多类别识别，并取得了满意的识别效果；但一一区分法需要保证训练样本的充分性，需要所有类别的样本都参加训练。
    试验结果表明，本方法有较好的实用性，而进一步减少相似字符和汉字误识是本工作以后努力的方向，其关键是加强图像的预处理，改进字符分割方法和二值化方法，使字符笔划更清楚。