5 实验仿真与分析实验车牌图像来自磅房采集的 300 幅车辆图像。 分别对样本进行单一特征 SVM 识别和信息融合的识别方法，识别结果如表 1 所示。 实验中还对相似字符做了专门的识别工作， 为了说明字符识别过程中， 特征之间的置信度融合更新过程，本处以
数字字符识别为例来介绍基于信息融合的车牌字符识别方法。 以待识别目标的标示作为识别框架， 即。首先， 对提取的特征进行 SVM训练确定各 SVM 的参数， SVM分类器采用高斯核函数：。 由 SVM 投票分类原理构造 BPA 函数， 运用 DS证据合成规则进行多特征决策级融合， 得到 3 种特征融合后的基本概率赋值， 根据判决门限 ε1=0.1， ε2=0.1，给出Zui终结果。 表3 是对输入字符 “8” 的融合信息更新结果， 在融合前各特征判定待识别字符分别为“0”、“2”、“4”，融合后字符 “8” 的基本概率赋值Zui大 ，即判定Zui终的识别结果是字符 “8”。6结语实际的矿用电子地磅应用环境中有很多因素会对车牌字符识别产生影响， 如天气、 光照强度、 雨雾、 粉尘等自然因素；拍摄角度、镜头聚焦、 机械抖动、 图像分辨率、 图像失真等机器视觉因素； 车辆运动、 车牌污损、车牌形态变化等车牌因素和图像处理的误差积累等技术因素等。 以上因素导致在矿用电子地磅车牌识别时， 很难仅仅依靠轮廓特征、投影特征和网格编码特征等单一特征做出确定性判断， 致使基于单特征的识别方法准确率低、 可靠性和稳定性差，甚至同一对象采用不同特征判别式结果会出现冲突。 因此， 融合车牌字符的多种特征信息，通过决策判决得到Zui终推断结果是提高矿用电子地磅车牌识别准确率和可靠性的有效途径。基于信息融合的矿用电子地磅车牌识别系统可以改善和提高出入磅车辆的自动化管理水平；实现物资有序流通和保证企业财产安全； 为矿用电子地磅管理系统的升级和改造提供依据；辅助企业达到快捷、 高效、 安全、 实用、规范等管理目标。