提出一种边界总和最大化的车牌汉字特征融合算法，根据高维数据低维投影趋于正态分布的特点，将Pseudo-Zernike矩特征和Gabor特征串联后形成的高维特征投影到低维空间，利用类别均值和方差构造分类边界总和，最大化边界总和，得到最佳投影向量，构成投影矩阵，对原串联特征投影后得到一组新特征，作为椭圆基概率神经网络分类器的输入。实验表明，新特征同时具备全局表征能力和细节刻画能力，去除了数据冗余，在提高分类准确率的同时有效降低了分类器规模，椭圆基概率神经网络构造简便，具有与SVM相当的分类准确率。