草写体字符识别中的改进型方向特征研究

• 作者: Michael Blumenstein Xin Yu Liu Brijesh Verma 李斌（译）
• 来源期刊: 图象识别与自动化
• 学科: 工学
• 关键词: 手写体字符识别 模式识别 图像处理和计算机视觉 神经网络
• 年，卷（期）: 2007,（1）
• 页码范围: 1-13
• 页数: 13页
• 分类号: TP391.41

摘要

本文论述和分析了一种新颖的特征提取技术的特性，它采用基于分割的手写体字符识别系统的上下文关系来分割／书写字符。改进型的方向特征（MDF）提取技术以方向特征（DF）为基础，从字符轮廓的结构中提取方向信息。这种规则扩展了字符图像中前景和背景象素转换的组合方向信息。 为改善DF的提取技术，将对一些方法作出改进。同时使字符轮廓的描述更有效，并着手方向性检测技术的再设计，即在大部分时常出现的模式干扰中，增加对目标特征的描述，以改善字符的识别正确率。MDF通过基于神经网络分类器的试验以及转换特征（TF）提取技术的比较，并采用标准数据集与文献中列出的最佳结果相比较后得知，MDF技术优于DF和TF技术。来自CEDAR数据集的结果显示，识别正确率在89％以上。