基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
运用随机分形特征描述了车牌字符的形态、复杂程度和不规则性特征,结合小波变换,使得车牌字符的分形特征描述更加丰富,同时避免了分形维数计算阈值选择带来的问题.模拟结果表明分形和小波结合使用的方法为车牌字符识别提供了新途径,但计算量较大.
推荐文章
基于小波和神经网络的车牌字符识别新方法
小波变换
神经网络
车牌识别
字符识别
基于方向轮廓的小波分解车牌字符识别方法
车牌识别
字符识别
方向轮廓
小波变换
特征匹配
基于K-L变换和LS-SVM的车牌字符识别新方法
字符识别
K-L变换
特征提取
最小二乘支持向量机
二叉树
基于神经网络的分阶车牌字符识别算法研究
车牌字符识别
BP神经网络
卷积神经网络
分阶
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 随机分形维数和小波变换的车牌字符识别
来源期刊 广东工业大学学报 学科 工学
关键词 分形 分形维数 小波变换 车牌 字符识别
年,卷(期) 2005,(4) 所属期刊栏目
研究方向 页码范围 58-61
页数 4页 分类号 TP391.43
字数 1560字 语种 中文
DOI 10.3969/j.issn.1007-7162.2005.04.014
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 曾文曲 广东工业大学计算机学院 20 222 6.0 14.0
2 聂笃宪 华南农业大学理学院 37 127 6.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (11)
参考文献  (4)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1984(1)
  • 参考文献(1)
  • 二级参考文献(0)
1989(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
分形
分形维数
小波变换
车牌
字符识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
广东工业大学学报
双月刊
1007-7162
44-1428/T
16开
广东省广州市东风东路729号
1974
chi
出版文献量(篇)
2262
总下载数(次)
2
总被引数(次)
11966
论文1v1指导