计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2010年
9期
299-301,350
,共4页
神经网络%车牌字符识别%特征提取
神經網絡%車牌字符識彆%特徵提取
신경망락%차패자부식별%특정제취
研究车牌字符识别问题,针对传统神经网络在车牌字符识别存在识别准确率低、效率低的问题,提出了一种基于改进神经网络的车牌字符识别方法.该方法首先采用Gabor滤波器提取车牌字符的特征,PCA降维处理消除车牌字符特征之间的冗余信息,然后采用改进的神经网络对提取特征进行训练得到最优识别模型,最后利用最优模型对车牌字符进行识别.仿真实验表明,数字及字母的识别准确率达95.0%以上,汉字的识别准确率达93.1%,与传统识别方法相比,识别准确率和识别速度都有了较大的改进,该方法在车牌识别的应用有着广泛的前景.
研究車牌字符識彆問題,針對傳統神經網絡在車牌字符識彆存在識彆準確率低、效率低的問題,提齣瞭一種基于改進神經網絡的車牌字符識彆方法.該方法首先採用Gabor濾波器提取車牌字符的特徵,PCA降維處理消除車牌字符特徵之間的冗餘信息,然後採用改進的神經網絡對提取特徵進行訓練得到最優識彆模型,最後利用最優模型對車牌字符進行識彆.倣真實驗錶明,數字及字母的識彆準確率達95.0%以上,漢字的識彆準確率達93.1%,與傳統識彆方法相比,識彆準確率和識彆速度都有瞭較大的改進,該方法在車牌識彆的應用有著廣汎的前景.
연구차패자부식별문제,침대전통신경망락재차패자부식별존재식별준학솔저、효솔저적문제,제출료일충기우개진신경망락적차패자부식별방법.해방법수선채용Gabor려파기제취차패자부적특정,PCA강유처리소제차패자부특정지간적용여신식,연후채용개진적신경망락대제취특정진행훈련득도최우식별모형,최후이용최우모형대차패자부진행식별.방진실험표명,수자급자모적식별준학솔체95.0%이상,한자적식별준학솔체93.1%,여전통식별방법상비,식별준학솔화식별속도도유료교대적개진,해방법재차패식별적응용유착엄범적전경.
