|
1.
|
基于小波变换和神经网络集成的笔迹鉴别方法* 被引次数：1
|
|
|
|
|
|
|
张慧档 贺昱曜《计算机应用研究》,2008年第25卷第3期
|
|
|
在笔迹鉴别中为了便于获取特征字符的细微特征,基于线性矩和小波变换提出了提取特征字符纹理特征的方法.小波变换能有效地提取字符的结构特征,而矩能够很好地对其进行描述.在该方法中,一幅特征字图像可以用一个含有52个元素的特征矢量表示,然后通过训练多个神经网络,并应用神经网络集成的方法将其结果合成,对特征空间进行正确分类.分别在特征字和候选人数变化的情况下进行实验,实验结果显示识别准确率较同类算法平均提高百分之五.
|
|
2.
|
基于组合特征的车牌字符识别 被引次数：6
|
|
|
|
|
|
|
路小波 凌小静 刘斌《仪器仪表学报》,2006年第27卷第7期
|
|
|
提出了基于Zernike矩和小波变换特征相结合的车牌字符识别方法。利用Zernike矩描述字符全局特征，小波变换系数描述字符细节特征，采用神经网络进行车牌字符分类。测试结果表明，这种组合了两种特征优点的方法实用有效，识别效果优于两种特征独立使用的情况。
|
|
3.
|
车牌字符多特征提取与BP神经网络的识别算法
|
|
|
|
|
|
|
刘雄飞 朱盛春《计算机仿真》,2014年第31卷第10期
|
|
|
在车牌图像字符识别问题的研究中,针对大部分单个特征提取方法在车牌字符识别上的局限性,提出一种车牌字符多特征提取与BP神经网络识别的算法.对车牌字符图像进行预处理后,提取字母和数字字符直线特征,字符笔画点特征,环数特征以及环面积特征,作为字母与数字字符的四类特征.因汉字结构复杂与笔画多,采用13点来提取汉字特征,提取的特征输入到网络进行学习和识别.针对BP神经网络算法的不足,采用附加动量法和自适应学习速率对其改进.MATLAB仿真结果表明改进算法能够有效的提高车牌字符的识别率,识别率达到了98.5％.
|
|
4.
|
基于提升小波的矩不变量车牌字符识别方法
|
|
|
|
|
|
|
高强 刘斌《量子电子学报》,2016年第33卷第6期
|
|
|
车牌识别系统的关键在于字符的识别，而字符识别的核心是字符特征的提取。小波变换可以获取字符的细节结构特征，而不变矩能很好地对其进行描述，故将两者结合起来提取字符的特征；同时利用张量积小波分解的高频子图具有方向性的特点，提取字符的笔画特征，最终得到反映字符结构和统计特征的联和特征向量，并且字符图像的分解采用第二代提升小波算法进一步降低了计算复杂性。实验结果表明，此方法提取得到的联合特征向量能够取得98%的字符综合识别率，可以满足实际应用的要求。
|
|
5.
|
基于手势识别的文字输入系统
|
|
|
|
|
|
|
陈昆伟 郭星 吴建国《计算机工程与应用》,2015年第3期
|
|
|
基于视觉的手势识别是实现新一代人机交互的关键技术。通过手势识别向屏幕输入文字以供搜索查找的系统基本没有，在现有的手势识别基础上，利用汉语字母和数字对应的手语作为输入手势，采用微软的kinect获取深度图像，对其进行手势分割。通过Canny算法提取手势的边缘，利用小波矩提取特征，得到手势字母，实现了具有手势识别以及基于文字输入功能的系统。实验表明该系统能够准确有效地实现汉字的输入。
|
|
6.
|
基于小波变换和ART网络的手写数字识别 被引次数：2
|
|
|
|
|
|
|
张捷 寇雪芹 封俊红《计算机测量与控制》,2004年第12卷第11期
|
|
|
由于小波变换能有效地提取字符的结构特征，自适应共振(ART)网络有很好的学习能力。将二者结合起来，用小波变换抽取特征、用自适应共振ART网络作模式分类器来识别手写数字。实验证明该方法有很高的识别率，能够有效地进行手写数字的分类，可以满足实际应用。
|
|
7.
|
基于小波变换和ART网络的手写数字识别
|
|
|
|
|
|
|
张捷 黄光球 封俊红《微型电脑应用》,2006年第22卷第12期
|
|
|
由于小波变换能有效地提取字符的结构特征,自适应共振(ART)网络有很好的学习能力。本文将二者结合起来,用小波变换抽取特征、用自适应共振ART网络作模式分类器来识别手写数字。实验证明该方法有很高的识别率,能够有效地进行手写数字的分类,可以满足实际应用。
|
|
8.
|
基于SVM混合网络的车牌字符识别研究 被引次数：2
|
|
|
|
|
|
|
王润民 钱盛友 邹永星《微计算机信息》,2007年第23卷第34期
|
|
|
本文提出了一种基于SVM混合网络的车牌字符识别方法。首先根据国内车牌字符的排列特点依次构造汉字识别子网、英文识别子网、英文与数字识别子网以及数字识别子网。然后针对英文字符和阿拉伯数字的字体结构具有连通性这一特点．采用形态学方法进行滤波处理．以减少噪声干扰。预处理后提取字符的小波包系数和矩做为特征量，最后在各个识别子网中采用SVM识别方法对车牌中的汉字、英文字符以及阿拉伯数字进行了识别。实验结果表明，该方法效果良好。
|
|
9.
|
基于主曲线算法的手写字符特征分析与提取
|
|
|
|
|
|
|
马驰 于淼《计算机工程与应用》,2013年第49卷第3期
|
|
|
模式特征的提取与选择是提高手写体字符识别率的关键因素。主曲线是主成分分析的非线性推广,它是通过数据分布"中间"并满足"自相合"的光滑曲线,能够很好地描述数据分布的结构特征。利用软K段主曲线算法提取训练数据的特征,在分析手写体字符结构特点的基础上,选出手写体字符识别所使用的粗分类与细分类特征,利用这些分类特征对手写字符进行识别。该方法在CEDAR手写体数字和字符数据库上的实验表明:选取的分类特征能够有效区分相似的手写体字符,提高手写字符的识别率,为脱机手写字符识别研究提供了一种新的方法。
|
|
10.
|
离散K-L变换在汽车车牌字符识别中的应用一例 被引次数：1
|
|
|
|
|
|
|
赵先锋《仪器仪表学报》,2004年第25卷第Z3期
|
|
|
针对汽车车牌字符识别问题,介绍了一种采用离散K-L变换对字符图像进行特征提取并进行分类的方法.实验结果表明该方法能够有效地对车牌字符进行分类和识别.
|
|
11.
|
基于方向小波和BP网络的数字识别
|
|
|
|
|
|
|
毕晓君 骆光馨 芦婧《哈尔滨工程大学学报》,2006年第27卷第Z1期
|
|
|
针对目前数字字符识别的研究现状,提出了方向小波变换和BP神经网络相结合的数字字符识别方法.小波变换具有良好的方向特性,根据这个特点能很好的提取数字字符的特征,以此特征作为输入向量,用BP网络进行数字识别.实验结果表明,该方法大大减少了运算数据量,缩短了识别时间,具有较高的识别率,对一些如笔画断裂等典型噪声有很好的识别效果,是一种有效的识别方法.
|
|
12.
|
基于串行分类器的字符识别
|
|
|
|
|
|
|
黄志斌 陈锻生《计算机应用研究》,2002年第19卷第12期
|
|
|
在特征提取的基础上，比较了采用Bayes分类器和基于特征值的BP网络两种常用字符识别方案；最后在Bayes分类器的基础上，采用二级串行结构分类器融合的改进处理方案对车牌中的大写英文字母进行字符识别。实验结果表明，该方法达到较高的识别率，而且可很容易地推广到车牌识别中的汉字字符识别和数字字符识别相应的处理方案。
|
|
13.
|
基于小波的车牌汉字特征提取 被引次数：15
|
|
|
|
|
|
|
潘翔 叶修梓 张三元《中国图象图形学报》,2003年第8卷第10期
|
|
|
车牌识别系统是智能交通不可或缺的一部分.在车牌识别系统中,车牌首位汉字的特征提取和识别是一个难点.为此,将小波的多分辨率特性应用于车牌汉字特征的提取,提出了一种直接从灰度图象提取车牌汉字特征的提取方法.该方法首先提取图象的小波矩和基于小波分解的区域密度特征,然后以识别率好坏为最优依据,进行特征分量排序和选择,最后把特征矢量送入BP神经网络进行字符识别.该方法避免了一些传统汉字特征提取方法需要对图象进行二值化操作而造成的汉字字符结构信息丢失.提取的特征有效地反映了车牌汉字的局部和全局特征.实验结果表明该特征提取方法可以得到比较好的识别效果.
|
|
14.
|
基于小波矩的车牌字符识别研究 被引次数：3
|
|
|
|
|
|
|
何通能 贾志勇《浙江工业大学学报》,2005年第33卷第2期
|
|
|
牌照字符识别是车牌识别系统中关键的一步,而字符识别的关键在于有效特征的选取.小波矩是小波多尺度分析与矩相结合的新的视觉不变量,图像的小波矩特征能很好地反映图像的局部和全局特征,并且具有较强的抗干扰能力.但不同的小波矩离散化方法在性能上有很大的差异.在分析小波矩和矩快速算法的基础上,引入了一种新的小波矩离散化算法用于车牌字符识别系统,以车牌字符图像的小波矩作为特征量,结合改进的BP神经网络实现了车牌字符的识别,获得了很好的识别效果.
|
|
15.
|
基于小波和矩的图像字符特征提取方法研究
|
|
|
|
|
|
|
王建平 姜滔 王金玲 朱程辉 王熹徽《微电子学与计算机》,2003年第20卷第11期
|
|
|
提取稳定而有代表性的特征是视频图像字符识别的核心问题之一。文章提出了一种基于小波和矩的图像字符特征向量提取方法。通过对字符图像的不同小波分解子图求取不同的矩特征，构造出字符的特征向量。该方法将小波对图像结构精细特征的把握能力强的优点与矩所具有的平移，缩放和旋转不变及抗噪性强的特性有机地结合起来，特征向量稳定、识别准确率高、算法快、抗噪性能强，且特征提取方法具有类人视觉特点。
|
|
16.
|
一种新的车牌字符快速识别方法 被引次数：1
|
|
|
|
|
|
|
邓士弟 王庆《微处理机》,2008年第29卷第3期
|
|
|
针对车牌字符图像的特点,在研究各种特征提取方法适用场合的基础上提出了改进的特征提取方法和字符识别方法。对于英文和数字,使用一种基于模板匹配和神经网络的车牌字符识别方法。该方法采用两级识别,第一级采用模板匹配识别差别明显的字符,第二级采用BP神经网络识别第一级不能确定的相似字符。对于汉字采用小波变换和LDA提取特征。该方法利用小波变换的特性最大程度地提取了字符图像的特征信息。实验结果表明此算法具有较高的识别率和较快的识别速度。
|
|
17.
|
基于Gabor-SVM的文字识别方法
|
|
|
|
|
|
|
黄萍 卢谢吉《计算机与数字工程》,2011年第39卷第8期
|
|
|
文字识别的难点和关键在于特征提取，文章把文字版面看作是含有特殊纹理信息的图像，利用Gabor变换，通过纹理分析提取出文字的全局特征。文字特征提取后，对其使用SVM进行训练学习。实验结果表明本方法能够较有效地提取出字符特征，并能有效地对字符进行分类。
|
|
18.
|
车牌字符特征提取及识别方法研究
|
|
|
|
|
|
|
张莹《计算机光盘软件与应用》,2014年第6期
|
|
|
在社会经济高速发展的时代,智能交通系统的应用越来越普及。其中,车牌识别已经成为研究的热点。本文提出了一种基于模板匹配的车牌字符识别方法,对车牌中汉字和数字字母的特征提取进行了研究,并根据提取的字符特征利用模板匹配的方法对车牌字符进行识别。实验结果表明,该方法对车牌字符具有良好的识别效果。
|
|
19.
|
基于Trace变换和支持向量机的车牌字符识别新方法
|
|
|
|
|
|
|
张博《微型电脑应用》,2014年第2期
|
|
|
为了提高车牌上的字符识别准确率,提出一种结合Trace变换和支撑矢量机（SVM）的字符识别方法.在字符识别方面,以Trace变换方法提取字符特征,并运用支持向量机对字符进行模式分类.将算法应用到实际的车牌字符识别中,识别结果表明,这种方法在提高识别速度的同时,有效提高了字符的识别精度.
|
|
20.
|
基于小波多尺度和熵在图像字符特征提取方法的改进 被引次数：2
|
|
|
|
|
|
|
周莉 郑建彬 颜琬《电子技术应用》,2004年第30卷第7期
|
|
|
提出了一种基于小波和熵提取图像字符特征的方法。该方法利用小波变换对图像字符进行多尺度分解,用Marr零交叉边缘检测算子提取边缘;用基于判别熵最小化提取每一尺度图像的边界特征,小波的“数学显微镜”的优点与熵能确切地表达各类的交叠状况且能直接表达错误率的特征相结合。与其它方法相比,该方法提取的特征向量稳定、识别率高、算法快,非常有利于分类,且特征提取的方法有人类视觉的特点。
|
