1.智慧城市无人值守收费系统用车牌识别增强方法，其特征在于，该方法包括以下步骤：

获取车牌灰度图像；切分车牌灰度图像获取每个字符的单字图像；对单字图像的灰度值进行若干次聚类，获取单字图像每次聚类的若干簇；根据每次聚类中每一簇的像素点在其他次聚类的每个簇中的灰度稳定性，获取每次聚类的概率最大簇；根据单字图像的像素点在概率最大簇中出现的次数获取字符图像；

对字符图像以及所有先验模版图像进行角点检测，获取字符图像以及模版图像上的所有角点；根据各字符图像与各模板图像之间角点分布的相似性，获得各字符图像与每一个模板图像的角点相似度；获取每一个字符图像的所有高概率模板图像；

根据每个角点与相邻角点的相对位置特征建立三维坐标系；根据字符图像与字符图像的每个高概率模板图像的所有角点在三维坐标系内的密度，获取字符图像与字符图像的所有高概率模板图像的相似角点对；根据字符图像与每个高概率模板图像在三维坐标系中坐标最近的两对相似角点对之间的距离，对每个高概率模板图像进行缩放，获取字符图像的所有对比模板图像；根据所有字符图像与每个对比模板图像的角点数量差异以及角点分布差异，获取字符图像与每个对比模板图像的字符匹配度；将对比模板图像的字符匹配度最大的模版图像记为字符图像的字符识别结果，获得车牌的识别结果文本信息。

2.根据权利要求1所述智慧城市无人值守收费系统用车牌识别增强方法，其特征在于，所述每次聚类的概率最大簇的具体获取方法为：对于目标单字图像，将第n次聚类结果的第i个簇在第m次聚类的对应簇记为第j个簇，第n次聚类结果的第i个簇的对应簇间差异αn,i计算方法为：式中：M表示聚类次数，M‑1表示除了第n次聚类外的聚类次数，m表示除了第n次聚类外的第m次聚类，En,i表示目标单字图像的第n次聚类结果中第i个簇的像素点的数量，x表示目标单字图像第n次聚类结果的第i个簇中的第x个像素点，Pn,i,x表示目标单字图像的第n次聚类结果中第i个簇中的第x个像素点的灰度值， 表示目标单字图像的第n次聚类结果中第i个簇中的所有像素点灰度值的均值，Em,j表示目标单字图像的第m次聚类结果中第j个簇的像素点的数量，y表示目标单字图像第m次聚类结果的第j个簇中的第y个像素点，Pm,j,y表示目标单字图像第m次聚类结果的第j个簇中的第y个像素点的灰度值， 表示目标单字图像第m次聚类结果的第j个簇中的所有像素点灰度值的均值；||表示取绝对值函数；

目标单字图像在第n次聚类结果中第i个簇的字符概率βn,i的计算方法为：

式中： 表示目标单字图像在第n次聚类结果中第i个簇中的所有像素点灰度值的均值，exp()表示以自然常数为底的指数函数，Sigmoid[]表示Sigmoid函数。

3.根据权利要求2所述智慧城市无人值守收费系统用车牌识别增强方法，其特征在于，所述对应簇的具体获取方法为：将目标单字图像的所有次聚类得到的所有簇的聚类中心映射到同一张图像中，将每两个簇的聚类中心之间的距离记为两个簇的距离，将第n次聚类结果的第i个簇在第m次聚类结果中，满足与第i个簇的距离最小的第j个簇，记为第n次聚类结果的第i个簇在第m次聚类结果的对应簇。

4.根据权利要求1所述智慧城市无人值守收费系统用车牌识别增强方法，其特征在于，所述根据单字图像的像素点在概率最大簇中出现的次数获取字符图像，包括：将每一个单字图像在每一次聚类结果的所有簇中字符概率最大的簇，记为每一次聚类结果的概率最大簇；对单字图像的任意一个像素点，若像素点被一次聚类结果的概率最大簇包含，记像素点出现一次，获取每个像素点的出现次数，将出现次数超过预设重复阈值的像素点记为实际字符区域像素点；

将单字图像的所有实际字符区域像素点的灰度值设为0，所有非实际字符区域像素点的灰度值设为1，处理后的结果图像记为字符图像。

5.根据权利要求1所述智慧城市无人值守收费系统用车牌识别增强方法，其特征在于，所述根据各字符图像与各模板图像之间角点分布的相似性，获得各字符图像与每一个模板图像的角点相似度，包括：第r个字符图像与第t个模板图像的角点相似度δr,t的计算方法为：

式中： 表示第r个字符图像所有聚类结果的概率最大簇的字符概率的均值， 表示第r个字符图像所有角点的特征夹角的均值， 表示第t个模板图像所有角点的特征夹角的均值；norm[]表示线性归一化函数；exp()表示以自然常数为底的指数函数；

预设相似阈值，将与第r个字符图像角点相似度大于预设相似阈值的所有模板图像，记为第r个字符图像的所有高概率模板图像。

6.根据权利要求5所述智慧城市无人值守收费系统用车牌识别增强方法，其特征在于，所述角点的特征夹角的具体获取方法为：对于字符图像与模板图像内每个角点，将与每个角点的距离最小的另一个角点的连线与水平方向的夹角，记为每个角点的特征夹角。

7.根据权利要求1所述智慧城市无人值守收费系统用车牌识别增强方法，其特征在于，所述根据每个角点与相邻角点的相对位置特征建立三维坐标系，包括：分别获得与字符图像中每个角点所在位置欧氏距离最小、第二小、第三小的三个角点的连线与水平方向的夹角，记为字符图像中每个角点的第一属性，第二属性，第三属性；获取字符图像和高概率模版图像中所有角点的第一属性，第二属性，第三属性，将所有角点的第一属性作为x轴坐标，第二属性作为y轴坐标，第三属性作为z轴坐标构建三维坐标系。

8.根据权利要求1所述智慧城市无人值守收费系统用车牌识别增强方法，其特征在于，所述根据字符图像与字符图像的每个高概率模板图像的所有角点在三维坐标系内的密度，获取字符图像与字符图像的所有高概率模板图像的相似角点对，包括：在三维坐标系内，以第一聚类半径和第一聚类样本数量，进行第一次DBSCAN密度聚类获得密集聚类结果；对除密集聚类结果外的所有角点，以第二聚类半径和第二聚类样本数量进行第二次DBSCAN密度聚类获得稀疏聚类结果；在稀疏聚类结果的所有类簇中，将满足一个簇中仅包含两个角点，且两个角点分别属于字符图像和高概率模板图像的类簇记为字符图像与字符图像的高概率模板图像的一个相似角点对。

9.根据权利要求1所述智慧城市无人值守收费系统用车牌识别增强方法，其特征在于，所述根据字符图像与每个高概率模板图像在三维坐标系中坐标最近的两对相似角点对之间的距离，对每个高概率模板图像进行缩放，获取字符图像的所有对比模板图像，包括：对于第r个字符图像与第r个字符图像的第h个高概率模板图像，将第r个字符图像与第r个字符图像的第h个高概率模板图像在三维坐标系内欧氏距离最小的两对相似角点对，记为第a对相似角点对和第b对相似角点对，对于第a对相似角点对中属于第r个字符图像的第′A个角点，和属于第r个字符图像的第h个高概率模板图像的第A 个角点，以及第b对相似角点对中属于第r个字符图像的第B个角点，和属于第r个字符图像的第h个高概率模板图像的′ ′ ′第B个角点；将第A个角点到第B个角点的连线的长度，与第A个角点到第B个角点的连线的长度之比，记为第r个字符图像的第h个高概率模板图像的缩放尺度；将第r个字符图像的第h个高概率模板图像以缩放尺度进行等比例缩放，获得第h个对比模板图像。

10.根据权利要求9所述智慧城市无人值守收费系统用车牌识别增强方法，其特征在于，所述根据所有字符图像与每个对比模板图像的角点数量差异以及角点分布差异，获取字符图像与每个对比模板图像的字符匹配度，包括：第r个字符图像与第h个对比模板图像的位置偏差值μr,h,(A,B)的计算方法为：

式中：dr,(A,B)表示第r个字符图像中第A个角点到第B个角点的连线的长度，θr,(A,B)表示第r个字符图像中第A个角点到第B个角点的连线与水平方向的夹角，dr,h,(A′,B′)表示第h个对′ ′比模板图像中第A 个角点到第B个角点的连线的长度，θr,h,(A′,B′)表示第h个对比模板图像′ ′中第A个角点到第B个角点的连线与水平方向的夹角；

第r个字符图像与第h个对比模板图像的字符匹配度σr,h的计算方法为：

式中：δr,t表示第r个字符图像与第h个对比模板图像的角点相似度，Wr表示第r个字符图像中所有角点的数量，Wr,h表示第r个字符图像的第h个对比模板图像中所有角点的数量，Ur,h表示第r个字符图像与第h个对比模板图像的相似角点对的个数，exp[]表示以自然常数为底的指数函数；||表示取绝对值函数。