（1）基于模板匹配的车标识别方法   模板匹配法是与数学统计方面知识类似的识别手段，通过模版的积累来完成。模板匹配法通常运用的计算方法是基于相关运算的匹配方法和基于欧几里德距离匹配方式。下面既是这两种方法的简单原理介绍：  基于相关运算的模板匹配的方法，它的匹配级别一般是考虑到相关参数来衡量的，其相关系数值处于完全不匹配和完全匹配之间分别是 0 和 1。使用这种方法对模板进行配对，则要求在所建立的图片数据库的范围内进行全图搜索运算。因此这一种方法所需的模版的运算量很大、速度很慢但是实际操作相对简单。 基于欧几里得距离匹配根据查阅资料是通过欧基里德距离函数运算中寻找一个距离值,并且距离值体现了这个数据存在的联系与差别。基于模板匹配的相关运算是使用模版和悬浮的图像块与原始图像进行匹配,通过相关的函数和算法进行运算找到其存在的相关系数。所运算得到的相关系数在很大的程度上体现了两个图片在特征值上存在的相似性。由此得出的模板匹配的影响取决于所采用的和编辑的模板和模板匹配中所采用的的匹配系数。所以我们采用的模板匹配系数的一种可行方法是用欧几里德法求得距离差,同过矩阵相减然后零的个数越多的就是越来越接近的也就是距离最小的。因此这是一种基于统计的方法,仅仅将对应点相互匹配选出最接近的。
（2）基于边缘直方图的车标识别方法  图像边缘和形状的识别方法，它具有高效性。选用边缘直方图的原因是因为它能体现出图像的边缘特点和形状，这种方法避免了各类车标的分离性而且他还弥补了缺少完整的模版，从而容易和其他车标搞混的问题和毛病，进而导致对图片识别的误差,源^自(优尔:文,论)文]网[www.youerw.com。 边缘直方图特征作用于图像的边缘并对其进行特征统计,用模板对其匹配,用二值化的图像能够较好地反映图标的形状和边缘情况进行定位,然后用灰度图进行匹配，并且它的处理十分快捷。遇到模板类型较少的情况,在提取特征时使用一般用不变矩方法或者灰度直方图进行模板匹配,从而得出来的结果也拥有较高的准确率。但是当模板的类型增加以后,如果仍旧采用这两种方法识别,尤其是对于一些纹理特征复杂的车标和类似相同的图标,识别的精准性就会剧烈的降低。此次试验我就是采用的这种方法进行的程序设计。  虽然也可以通过改进算法和匹配模版的丰富性来提高识别的精确度,但是相应增加的运算量将会使得基于边缘直方图的方法不能满足实时性的要求了。 
（3）基于不变距的车标识别方法 根据资料所说的：不变矩的车标识别方法原理:这种方法是由Hu 所提出,因此把这种方法命名为 Hu 不变矩法,这是一种基础的特征提取法，因为图片的不变矩不会因为平移、旋转等制度的变化，所以称为不变矩。不变矩是由中心矩所组成。通过先测量已有图标库里所有图标的不变矩特征值作为对比的依据,然后去测量待识别的图标具有的不变矩特征值,将此两个特征值与对比依据用欧基里德距离衡量近似值,如果这个值小于阀值的则算是图像的匹配成功。 基于不变矩的车标识别过程是:首先对最初得到的的待识别图像和检测图像进行二值化处理和一些预处理,从而将目标从复杂的背景图片中分割出来,以实现图像灰度图像进行校正、图像的噪声清除处理、边缘进行锐化,经过处理后的图像,目标从背景中被突出体现,背景进而被弱化虚化从而目标更容易辨识出来;然后进行特征提取法和模式识别法,即基于图片的不变矩的数值进行特征提取和根据欧氏距离去判断两者图片的相似性。 不变矩的方法对图像的平移、旋转、尺度变化都不会有数值的改变,但对不变矩的运算量会非常大,且易受到噪声的影响,因此不能保证在实际操作中不变矩法能获得较高的识别的准确率。 MATLAB车辆标识识别技术研究(2):http://www.youerw.com/tongxin/lunwen_51685.html