基于Fisher准则特征融合策略的PNN车牌汉字识别

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.

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

所属期刊栏目：33

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目10774076

在线出版日期：2010-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：106-110