(1) 对分割出来的字符样本进行预处理，对图像进行归一化大小为40*20; (2) 提取样本字符特征；
(3) 将特征送到神经网络中训练，训练好的神经网络对特征敏感； (4) 将待识别字符预处理提取特征后送到训练好的神经网络中进行识别。
图4.9 检测结果
5 总结
基于图像处理的一些方法，结合具有良好学习能力和容错能力的神经网络，本文在速度上对算法进行了一些改进，用于对汽车照片中的牌照进行定位以及对牌照中的字符进行识别。另外对所给车牌进行了测试，从测试结果可知，对于字母的识别率大大低于数字。且形状相同的最容易识别错误，如A和4，8和B，D和0等由于其特征的相似性增大了辨别的难度。另一方面，由于时间和精力的有限，本文仅考虑图片中车牌为正的情形，若车牌倾斜则需要先校正，使得算法具有一定的局限性。如若有机会，会深入的对其进行研究，优化算法。
参考文献
[1] 傅德胜，范春年. 基于BP神经网络的车牌自动定位方法[J].微计算机应用，2006.7，Vol.27 No.4：408-410.
[2] 魏武. 一种基于模板匹配的车牌识别方法[J].中国公路学报.2001(1):vol.14. [3] 韩立群. 人工神经网络理论、设计及应用[M]..北京：化学工业出版社，2004.2. [4] 王立涛. 汽车牌照自动识别系统[J]. 工业科技报. 2006.4，Vol35：68-71.
[5] 郭捷,施鹏飞.基于颜色和纹理分析的车牌定位方法[J].中国图像图形学报,2002,7A(5):472一476.
[6] 周景超，陈峰. 车牌字符分割的研究和实现[J].计算机工程.2006.3, Vol32 (5): 238-243.