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:
随着物联网技术的发展,车联网的应用日益广泛,从而对车牌字符的识别提出了更高的要求,而字符识别的关键在于特征的提取和选择.提出了一种基于小波矩和主分量分析提取和选择特征向量的方法.该方法首先通过小波矩提取字符的特征,然后通过主分量分析对提取的特征进行选择,最后将特征向量送入 BP 神经网络进行字符识别.该方法能够很好的反映图像的全局特征和局部特征,并且具有较强的抗干扰能力.实验结果表明,该方法可以得到较好的识别效果
推荐文章
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FPGA的实时车牌字符识别方法的研究
多模板匹配
字符识别
实时
基于权系数标识符矩阵的车牌字符识别方法
车牌字符识别
权系数标识符矩阵
模板匹配
闭合区域检测
像素值跳变特征
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 基于小波矩和主分量分析的车牌字符识别方法
来源期刊 计算机系统应用 学科
关键词 本小波变换 小波矩 主分量分析 BP 神经网络
年,卷(期) 2012,(7) 所属期刊栏目
研究方向 页码范围 168-171
页数 分类号
字数 2685字 语种 中文
DOI
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 李英 江南大学物联网工程学院 79 351 10.0 14.0
2 朱广涛 江南大学物联网工程学院 1 9 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (38)
共引文献  (73)
参考文献  (8)
节点文献
引证文献  (9)
同被引文献  (18)
二级引证文献  (8)
1962(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(4)
  • 参考文献(1)
  • 二级参考文献(3)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(3)
  • 参考文献(2)
  • 二级参考文献(1)
2010(4)
  • 参考文献(4)
  • 二级参考文献(0)
2012(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(4)
  • 引证文献(4)
  • 二级引证文献(0)
2014(3)
  • 引证文献(2)
  • 二级引证文献(1)
2015(3)
  • 引证文献(1)
  • 二级引证文献(2)
2016(3)
  • 引证文献(1)
  • 二级引证文献(2)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
本小波变换
小波矩
主分量分析
BP 神经网络
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
计算机系统应用
月刊
1003-3254
11-2854/TP
大16开
北京中关村南四街4号
82-558
1991
chi
出版文献量(篇)
10349
总下载数(次)
20
总被引数(次)
57078
论文1v1指导