共查询到10条相似文献，搜索用时 15 毫秒
1.
李了了 《内江师范学院学报》2008,23(6):49-51
对从工业现场提取的15类字符分别计算从2阶到14阶的Zernike矩模值,根据类内距离极小化和类间距离极大化的判别标准对Zernike矩特征值进行分析,最终选择出18个Zernike矩进行进一步归一化后作为字符特征输入到神经网络字符识别系统．实验表明,该组特征对旋转字符的正确识别率达99％．该方法选择字符的输入模式特征对旋转字符具有较高的识别率并可广泛应用于其它需要识别旋转图形的特征选择． 相似文献
2.
针对现有车牌字符识别算法中存在识别时间长、正确率低的问题,提出了基于粗网格特征提取及RBF神经网络的车牌字符识别算法。该算法首先对车牌图像字符进行预处理,再将提取的车牌字符特征向量输入RBF神经网络进行训练,通过建立汉字字符、字母、字母／数字混合分类器分别对车牌字符信息进行识别,同时引入拒识别和易混字符细识别机制。实验表明,这种方法克服了BP神经网络易陷入局部最小值的问题,提高了识别的正确率,适合于对实时性要求较高的智能交通管理系统。 相似文献
3.
研究了一种基于OpenCV的车牌识别方法。在车牌定位阶段,提出一种综合边缘信息和颜色信息,并结合车牌几何特征定位方法,通过SVM机器学习实现车牌精确定位。在车牌字符分割阶段,通过设定像素跳变阈值去除边框,提出一种结合垂直投影法和字符特征的字符分割算法。在字符识别阶段,提出结合投影和网格的字符特征提取方法,并利用4个BP神经网络进行字符识别。实验表明,该方法定位率高,字符识别快速准确,具有较强的鲁棒性和实用性。 相似文献
4.
传统字符识别方法缺乏对污染车牌字符正确识别的能力,难以有效分辨易混淆字符等。针对这些弊端,采用 MATLAB 对真实车牌字符图像进行处理,提出一种基于离散 Hopfield 神经网络的改进算法（CLP-HNN）,对车牌字母及数字进行识别。实验结果表明,该算法对污染车牌字符识别率达 93.3%,不仅可有效降低污染车牌错误识别的风险,而且可提高易混淆字符正确辨别率,对减少车牌误识别引起的交通安全及秩序问题有较大参考价值。 相似文献
5.
随着人工智能的发展,计算机对于输入的手写字符识别需求越来越大,采用改进的卷积神经网络对手写字符进行识别分类。用VGGNet16模型构造卷积神经网络模型,每一层都加上批标准化,通过平均值池化对卷积层进行下采样,利用PRELU激活函数代替ReLU激活函数,最后通过Softmax分类器对手写字符图像进行分类。在MNIST手写数字数据集和EMNIST-bymerge手写字母及数字数据集下进行实验,改进的卷积神经网络模型在MNIST数据集中识别准确率提升到99.65%,在EMNIST数据集中识别准确率为90.37%。因此,改进模型识别准确率较高,适用于手写字符识别。 相似文献
6.
传统的模板匹配算法对车牌图像的伸缩、倾斜及背景干扰比较敏感,识别效果不理想.提出将对字符进行归一化处理后所提取的点特征与重心特征进行复合,作为 BP 神经网络算法的输入特征,大大提高了识别率与识别速度. 相似文献
7.
根据车牌中字符的形态特征和横向纹理属性,以小波空间作为车牌字符识别的特征空间,提取字符的小波统计特征作为RBF神经网络的输入进行字符识别。实验结果表明本文提出的算法是一种切实可行、准确高效的方法,对复杂背景下拍摄的汽车牌照识别具有很好的鲁棒性。 相似文献
8.
司徒毅 《广东广播电视大学学报》2009,18(1):102-108
本文采用基于递归算法的去除离散点法消除孤立噪声,选用扫描边界的方法分割字符,来研究验证码自动识别技术,选择和提取稳定而又便于表示的特征向量是本系统的核心之一。本文提出了简单的字符特征提取方法：采用网格灰度特征并对该特征进行线性鉴别分析（LDA,Linear discrimlnant analysis）变换,结合最小距离分类器完成字符识别过程,通过提高训练样本数,有效解决了形近字符识别率低的问题,取得了很好的识别效果。 相似文献
9.
为有效识别浮动验证码,提出一种基于特征匹配与卷积神经网络的识别方法。首先使用特征匹配的方法得到匹配特征点,结合交叉匹配算法与 K 近邻匹配算法滤除错误匹配;然后对特征点进行聚类及投票分析,得到待识别字符区域,将其分割得到单个字符;最后在 mnist 手写数字数据集的基础上加入英文字符,构建卷积神经网络模型,将数据集送入模型进行训练。对 10 000 张浮动验证码进行测试,结果表明,该方法对浮动验证码的识别准确率达 95%,且构建的训练集具有可扩展性,可进一步应用到其它类型的字符识别中。 相似文献