- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[2018年第二届IEEE先进信息管理、通信、电子与自动化控制会议（IMCEC）- 西安（2018.5.25-2018.5.27）] 2018年第二届IEEE先进信息管理、通信、电子与自动化控制会议（IMCEC）- 基于图像特征提取与量子神经网络的字符识别系统设计
摘要： 为了提高结合技术与量子神经网络（QNN）的字符图像处理准确性与可靠性，研究了基于QNN的字符识别系统。采用粗网格特征法提取图像特征，同时为增强粗网格法抵抗位置变化的能力，在特征提取前将字符图像定位并平移至模板中心。随后运用基于多层激励函数的量子神经网络进行字符识别。MATLAB仿真实验表明，该量子神经网络具有更优的识别效率，准确率甚至可达90%以上，且抗噪性强、分类效果更佳。这说明该系统确能在一定程度上提高识别正确率并达到预期效果。
关键词： QNN，特征提取，图像处理，字符识别
更新于2025-09-09 09:28:46
-
[IEEE 2018年第二届多学科研究与创新技术国际研讨会(ISMSIT) - 土耳其安卡拉 (2018.10.19-2018.10.21)] 2018年第二届多学科研究与创新技术国际研讨会(ISMSIT) - 基于高维模型表示的车牌识别系统
摘要： 本文提出利用高维模型表示法（HDMR）这一特殊技术，从实时场景的内容图像中匹配字符，并将内容作为文本提取至虚拟环境，该技术应用于车牌识别系统。车牌识别通过图像处理读取车牌来识别车辆。除多种现有技术外，还开发了一种新匹配算法以实现车牌识别技术。车牌识别过程基于三个主要阶段：从图像中提取车牌区域、从车牌区域分割字符以及识别从车牌分割出的字符。在字符识别阶段，HDMR用于处理基于图像的高维数据。该HDMR算法用于字符匹配。
关键词： HDMR、字符识别、图像处理、降维、车牌识别
更新于2025-09-04 15:30:14