计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2014年
4期
184-187,284
,共5页
车牌字符%脉冲耦合神经网络%类欧几里得距离%最小方差值
車牌字符%脈遲耦閤神經網絡%類歐幾裏得距離%最小方差值
차패자부%맥충우합신경망락%류구궤리득거리%최소방차치
license plate character%pulse coupled neural networks%Euclidean-like distance transform%minimum variance
在自动车牌识别系统的设计中,为了实现汉字、字母、数字的快速准确识别,需要一种能够同时提取车牌字符中汉字、字母、数字的统一分类特征,研究利用脉冲耦合神经网络的自动波扩散特性,简化模型参数,提取每个汉字、字母、数字的类欧几里得距离图像,将其作为分类特征,采用最小方差方法测试了特征的有效性.针对不同省市的民用车牌的实验测试结果表明,简化脉冲耦合神经网络模型的卷积核矩阵为5×5时所得的类欧几里得距离图像作为特征向量时,测试图像与标准图像之间的所得方差值最小,能够实现正确匹配.简化脉冲耦合神经网络的类欧几里得距离变换优于传统基于神经网络的特征提取方法,充分利用了图像边缘的形状信息,能够有效地进行分类识别,为汉字、字母、数字全网互联提供了一种统一标准的特征提取方法.
在自動車牌識彆繫統的設計中,為瞭實現漢字、字母、數字的快速準確識彆,需要一種能夠同時提取車牌字符中漢字、字母、數字的統一分類特徵,研究利用脈遲耦閤神經網絡的自動波擴散特性,簡化模型參數,提取每箇漢字、字母、數字的類歐幾裏得距離圖像,將其作為分類特徵,採用最小方差方法測試瞭特徵的有效性.針對不同省市的民用車牌的實驗測試結果錶明,簡化脈遲耦閤神經網絡模型的捲積覈矩陣為5×5時所得的類歐幾裏得距離圖像作為特徵嚮量時,測試圖像與標準圖像之間的所得方差值最小,能夠實現正確匹配.簡化脈遲耦閤神經網絡的類歐幾裏得距離變換優于傳統基于神經網絡的特徵提取方法,充分利用瞭圖像邊緣的形狀信息,能夠有效地進行分類識彆,為漢字、字母、數字全網互聯提供瞭一種統一標準的特徵提取方法.
재자동차패식별계통적설계중,위료실현한자、자모、수자적쾌속준학식별,수요일충능구동시제취차패자부중한자、자모、수자적통일분류특정,연구이용맥충우합신경망락적자동파확산특성,간화모형삼수,제취매개한자、자모、수자적류구궤리득거리도상,장기작위분류특정,채용최소방차방법측시료특정적유효성.침대불동성시적민용차패적실험측시결과표명,간화맥충우합신경망락모형적권적핵구진위5×5시소득적류구궤리득거리도상작위특정향량시,측시도상여표준도상지간적소득방차치최소,능구실현정학필배.간화맥충우합신경망락적류구궤리득거리변환우우전통기우신경망락적특정제취방법,충분이용료도상변연적형상신식,능구유효지진행분류식별,위한자、자모、수자전망호련제공료일충통일표준적특정제취방법.
