10.16208/j.issn1000-7024.2016.03.035
基于深度信念网络的集装箱字符识别方法
针对集装箱表面凹凸折纹和光照不均带来的字符识别效率急剧下降的问题,提出一种基于深度信念网络的集装箱字符识别方法。通过对图像进行灰度化和拉普拉斯边缘检测处理,完成对图像的预处理;对预处理图像进行水平投影和连通域分析,实现字符分割提取;利用深度信念网络模型对字符进行深度学习。设计两个由3层的限制玻尔兹曼机网络和一层的BP神经网络组成的网络模型,分别对集装箱上的字母和数字进行识别,有效提高相近字符的识别效率。实验结果表明,较传统的图像识别方法,该网络模型提高了集装箱字符识别的准确率,兼顾了集装箱字符识别的稳定性和实时性要求。
字符识别、限制玻尔兹曼机、深度信念网络、模板匹配、BP网络
37
TP391(计算技术、计算机技术)
国家科技支撑计划基金项目2013BAHF01
2016-04-22(万方平台首次上网日期,不代表论文的发表时间)
共4页
742-745