基于改进隐马尔可夫特征的车牌识别技术

为实现复杂光照条件及字符图像存在旋转、遮挡和污损等情况下车牌字符的准确识别,提出基于改进隐马尔可夫特征的车牌字符识别算法,算法通过快速独立成分分析对隐马尔可夫特征降维,减少参与神经网络分类的特征维数从而提高识别效率,通过选取代表性训练样本参与分类器训练,减少算法对硬件性能的要求从而进一步提高算法的识别效率。实验结果表明,该算法在保持原有统计特征分类识别性能的条件下,显著减少了运行时间,提高了识别准确率。

基于特征降维和改进PNN的车牌识别技术

为实现复杂光照及存在遮挡和污损等情况下车牌识别,提出基于隐马尔可夫特征降维和改进概率神经网络的车牌字符快速精确识别算法,算法通过非负矩阵分解对描述字符特征的高维隐马尔可夫特征进行降维,以消除高维特征矩阵信息冗余并提高特征描述准确性,通过择取代表性样本参与PNN训练,以提高算法的分类精确性,减少硬件性能需求。对比实验结果表明,算法在保持原有统计特征分类识别性能的条件下,显著减少了运行时间,提高了识别准确率。