硅谷
硅穀
규곡
SILICON VALLEY
2008年
12期
195,152
,共2页
神经网络%彩色图像%车牌分割
神經網絡%綵色圖像%車牌分割
신경망락%채색도상%차패분할
近几年,随着神经网络理论的深入研究,神经网络技术的并行性计算能力、非线性映射和自适应能力等优点得到了充分的认识,各种神经网络模型在图像处理领域中得到了广泛的应用.脉冲耦合神经网络(PCNN)是20世纪90年代发展起来的新一代神经网络模型,特别适合于图像处理的各个方面.对PCNN在彩色图像分割上的应用进行了研究,将彩色图像空间变换成三个独立的分量作为PCNN的输入,实现车牌的定位分割,实验表明,该方法对于车牌的定位分割是有效的.
近幾年,隨著神經網絡理論的深入研究,神經網絡技術的併行性計算能力、非線性映射和自適應能力等優點得到瞭充分的認識,各種神經網絡模型在圖像處理領域中得到瞭廣汎的應用.脈遲耦閤神經網絡(PCNN)是20世紀90年代髮展起來的新一代神經網絡模型,特彆適閤于圖像處理的各箇方麵.對PCNN在綵色圖像分割上的應用進行瞭研究,將綵色圖像空間變換成三箇獨立的分量作為PCNN的輸入,實現車牌的定位分割,實驗錶明,該方法對于車牌的定位分割是有效的.
근궤년,수착신경망락이론적심입연구,신경망락기술적병행성계산능력、비선성영사화자괄응능력등우점득도료충분적인식,각충신경망락모형재도상처리영역중득도료엄범적응용.맥충우합신경망락(PCNN)시20세기90년대발전기래적신일대신경망락모형,특별괄합우도상처리적각개방면.대PCNN재채색도상분할상적응용진행료연구,장채색도상공간변환성삼개독립적분량작위PCNN적수입,실현차패적정위분할,실험표명,해방법대우차패적정위분할시유효적.
