计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2012年
3期
1127-1131
,共5页
伪Zernike矩%独立主成分分析%图像特征降维%概率神经网络%车牌汉字识别
偽Zernike矩%獨立主成分分析%圖像特徵降維%概率神經網絡%車牌漢字識彆
위Zernike구%독립주성분분석%도상특정강유%개솔신경망락%차패한자식별
针对目前复杂环境下车牌汉字图像识别率较低,识别时间较长等问题,提出了一种基于伪Zernike矩和独立主成分分析(ICA)的改进概率神经网络(PNN)车牌汉字识别方法.该方法是将车牌汉字图像的伪Zernike矩通过独立主成分分析降维,再将降维后的特征输入所提出的一种基于代表点的改进概率神经网络中进行训练和识别,从而有效地实现车牌汉字的识别.将该方法应用于复杂环境下的车牌汉字图像识别实验,实验结果表明,该方法能有效地降低特征维数,减少识别时间,并能显著地提高车牌汉字的识别率.
針對目前複雜環境下車牌漢字圖像識彆率較低,識彆時間較長等問題,提齣瞭一種基于偽Zernike矩和獨立主成分分析(ICA)的改進概率神經網絡(PNN)車牌漢字識彆方法.該方法是將車牌漢字圖像的偽Zernike矩通過獨立主成分分析降維,再將降維後的特徵輸入所提齣的一種基于代錶點的改進概率神經網絡中進行訓練和識彆,從而有效地實現車牌漢字的識彆.將該方法應用于複雜環境下的車牌漢字圖像識彆實驗,實驗結果錶明,該方法能有效地降低特徵維數,減少識彆時間,併能顯著地提高車牌漢字的識彆率.
침대목전복잡배경하차패한자도상식별솔교저,식별시간교장등문제,제출료일충기우위Zernike구화독립주성분분석(ICA)적개진개솔신경망락(PNN)차패한자식별방법.해방법시장차패한자도상적위Zernike구통과독립주성분분석강유,재장강유후적특정수입소제출적일충기우대표점적개진개솔신경망락중진행훈련화식별,종이유효지실현차패한자적식별.장해방법응용우복잡배경하적차패한자도상식별실험,실험결과표명,해방법능유효지강저특정유수,감소식별시간,병능현저지제고차패한자적식별솔.
