基于RBF网络的光学字符提取与识别新方法

• 作者: 刘莉 叶玉堂 宋昀岑 张静 蒲亮 谢煜 陈镇龙
• 来源期刊: 光电工程
• 学科: 工学
• 关键词: 特征提取 隶属度 RBF 神经网络 光学字符识别
• 年，卷（期）: 2010,（11）
• 页码范围: 145-150
• 分类号: TP391.41
• 字数: 3439字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-501X.2010.11.026

摘要

提出了一种新的基于统计与模糊隶属度的光学字符特征提取方法,可以快速准确地识别受噪声污染的光学字符.相比传统算法,本文方法的特征空间区分度更高,最小类间距离扩大33.2%以上.应用在径向基函数(Radical Basis Function,RBF)神经网络中,在字体字号变化且有背景噪声污染的影响下,识别率高达99%以上,且相比直方图投影法提速75%.理论分析与实验结果表明,与传统方法相比,该算法抗噪能力更强、模式区分度更高、时空复杂度更低,更简约、更全面地覆盖了字符的特征,应用范围广.已应用于实际系统,取得很好的实验结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘莉	电子科技大学光电信息学院	15	113	5.0	10.0
2	张静	电子科技大学光电信息学院	33	221	9.0	13.0
3	叶玉堂	电子科技大学光电信息学院	170	1471	17.0	30.0
4	陈镇龙	电子科技大学光电信息学院	32	236	7.0	14.0
5	谢煜	电子科技大学光电信息学院	15	166	9.0	12.0
6	宋昀岑	电子科技大学光电信息学院	9	73	4.0	8.0
7	蒲亮	电子科技大学光电信息学院	7	54	4.0	7.0