基于Fisher准则特征融合策略的PNN车牌汉字识别

• 作者: 孙锋利 张士勇 高全华
• 来源期刊: 现代电子技术
• 关键词: Fisher准则 鉴别矢量 特征融合 概率神经网络 车牌汉字识别
• 年，卷（期）: 2010,（8）
• 所属期刊栏目: 图像分析
• 页码范围: 106-110
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1004-373X.2010.08.034

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张士勇	长安大学理学院	19	177	4.0	13.0
2	高全华	长安大学理学院	16	78	6.0	8.0
3	孙锋利	西北工业大学电子信息学院	7	39	4.0	6.0