基于小波分析和EMD的手写体数字字符特征表示

• 作者: 张冠湘 李合龙 王文波
• 来源期刊: 华南理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 特征提取 小波变换 经验模式分解 曲率
• 年，卷（期）: 2010,（6）
• 页码范围: 78-83
• 分类号: TP391.43
• 字数: 5277字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-565X.2010.06.015

摘要

针对经验模态分解(EMD)能有效地对信号结构作出精确分辨的特点,提出了一种基于小波变换和EMD的手写体数字字符特征表示方法.首先对原始数字字符进行G小波变换极大模预处理,得到能反应字符特征信息的光滑轮廓;然后对规范轮廓曲率序列作EMD分解,以获取浓缩曲率特征的主要信息;最后对此曲率特征数据进行聚类和识别.实验结果表明,与经典的字符特征提取算法相比,文中方法具有更好的聚类效果,提高了分类器的分类设计能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张冠湘	华南理工大学电子商务系	24	165	6.0	12.0
2	王文波	武汉科技大学信息与计算科学系	48	337	9.0	17.0
3	李合龙	华南理工大学电子商务系	18	124	5.0	11.0