计算机技术与发展
計算機技術與髮展
계산궤기술여발전
COMPUTER TECHNOLOGY AND DEVELOPMENT
2008年
2期
38-41
,共4页
车牌定位%神经网络%颜色空间%灰度共生矩阵
車牌定位%神經網絡%顏色空間%灰度共生矩陣
차패정위%신경망락%안색공간%회도공생구진
文中提出一种基于神经网络,利用车牌颜色、字符分布特征来提取车牌的算法.与以前的神经网络定位车牌不同的是,本算法是用二值化后每个8-连接对象作为网络的输人.这样可以减少训练样本数目,有针对性地训练噪音.实验证明本算法对于复杂背景的车牌有较好的提取效果,并且有较快的执行速度和较好的鲁棒性.
文中提齣一種基于神經網絡,利用車牌顏色、字符分佈特徵來提取車牌的算法.與以前的神經網絡定位車牌不同的是,本算法是用二值化後每箇8-連接對象作為網絡的輸人.這樣可以減少訓練樣本數目,有針對性地訓練譟音.實驗證明本算法對于複雜揹景的車牌有較好的提取效果,併且有較快的執行速度和較好的魯棒性.
문중제출일충기우신경망락,이용차패안색、자부분포특정래제취차패적산법.여이전적신경망락정위차패불동적시,본산법시용이치화후매개8-련접대상작위망락적수인.저양가이감소훈련양본수목,유침대성지훈련조음.실험증명본산법대우복잡배경적차패유교호적제취효과,병차유교쾌적집행속도화교호적로봉성.
