现代电子技术
現代電子技術
현대전자기술
MODERN ELECTRONICS TECHNIQUE
2010年
8期
106-110
,共5页
Fisher准则%鉴别矢量%特征融合%概率神经网络%车牌汉字识别
Fisher準則%鑒彆矢量%特徵融閤%概率神經網絡%車牌漢字識彆
Fisher준칙%감별시량%특정융합%개솔신경망락%차패한자식별
为克服图像二值化预处理的不利影响,提高汉字字符图像特征的表征能力,降低传统算法的训练复杂度,在此直接应用车牌字符灰度图像.基于Fisher准则对提取的Pseudo-Zernike矩特征和Gabor变换特征进行融合,在最佳鉴别矢量方向上求得表达能力更强的融合特征.训练结构简单、速度较快的概率神经网络作为识别器,实现车牌汉字的正确、快速识别.试验表明,此算法无需对车牌汉字图像二值化,与所采用的概率神经网络识别器相比,传统BP,SVM等的训练复杂度降低,速度提高,经表征能力更强的融合特征训练后,具有更高的识别准确率.
為剋服圖像二值化預處理的不利影響,提高漢字字符圖像特徵的錶徵能力,降低傳統算法的訓練複雜度,在此直接應用車牌字符灰度圖像.基于Fisher準則對提取的Pseudo-Zernike矩特徵和Gabor變換特徵進行融閤,在最佳鑒彆矢量方嚮上求得錶達能力更彊的融閤特徵.訓練結構簡單、速度較快的概率神經網絡作為識彆器,實現車牌漢字的正確、快速識彆.試驗錶明,此算法無需對車牌漢字圖像二值化,與所採用的概率神經網絡識彆器相比,傳統BP,SVM等的訓練複雜度降低,速度提高,經錶徵能力更彊的融閤特徵訓練後,具有更高的識彆準確率.
위극복도상이치화예처리적불리영향,제고한자자부도상특정적표정능력,강저전통산법적훈련복잡도,재차직접응용차패자부회도도상.기우Fisher준칙대제취적Pseudo-Zernike구특정화Gabor변환특정진행융합,재최가감별시량방향상구득표체능력경강적융합특정.훈련결구간단、속도교쾌적개솔신경망락작위식별기,실현차패한자적정학、쾌속식별.시험표명,차산법무수대차패한자도상이치화,여소채용적개솔신경망락식별기상비,전통BP,SVM등적훈련복잡도강저,속도제고,경표정능력경강적융합특정훈련후,구유경고적식별준학솔.
