车牌字符的类欧几里得距离特征提取与分析

• 作者: 周亚同 王祥玲 王蒙军
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 车牌字符 脉冲耦合神经网络 类欧几里得距离 最小方差值
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 交通体系与工具仿真
• 页码范围: 184-187,284
• 页数: 5页
• 分类号: TP391.41
• 字数: 3573字
• 语种: 中文

摘要

在自动车牌识别系统的设计中,为了实现汉字、字母、数字的快速准确识别,需要一种能够同时提取车牌字符中汉字、字母、数字的统一分类特征,研究利用脉冲耦合神经网络的自动波扩散特性,简化模型参数,提取每个汉字、字母、数字的类欧几里得距离图像,将其作为分类特征,采用最小方差方法测试了特征的有效性.针对不同省市的民用车牌的实验测试结果表明,简化脉冲耦合神经网络模型的卷积核矩阵为5×5时所得的类欧几里得距离图像作为特征向量时,测试图像与标准图像之间的所得方差值最小,能够实现正确匹配.简化脉冲耦合神经网络的类欧几里得距离变换优于传统基于神经网络的特征提取方法,充分利用了图像边缘的形状信息,能够有效地进行分类识别,为汉字、字母、数字全网互联提供了一种统一标准的特征提取方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周亚同	河北工业大学信息工程学院	58	236	9.0	13.0
2	王蒙军	河北工业大学信息工程学院	55	97	6.0	7.0
3	王祥玲	河北工业大学信息工程学院	2	18	2.0	2.0