基于多重几何特征和CNN的脱机手写算式识别

• 作者: 付鹏斌 彭荆旋 李建君 杨惠荣
• 来源期刊: 计算机系统应用
• 关键词: 图像预处理 卷积神经网络 几何特征 手写算式识别
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 研究开发
• 页码范围: 271-279
• 页数: 9页
• 字数: 4908字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007596

摘要

针对中小学数学课堂中具有复杂二维空间结构的手写算式,提出了一种基于多重几何特征和卷积神经网络(CNN)的脱机手写算式识别的解决方案.首先,基于CNN分类算法,对图像预处理后的单个手写字符进行识别;然后,利用几何特征,如宽高比、质心坐标、质心偏移角度、中心偏移量、水平重叠区间比等,识别具有复杂空间结构的小数、分数、指数、根式等常见手写算式,并采用分治算法完成由以上算式组合嵌套的复合算式识别;最后,设计并实现脱机手写算式识别系统.实验结果表明:在满足一定光照条件下,该方案对不同分辨率、含噪声图像的手写算式识别率可达90.43％,具有一定的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	付鹏斌	北京工业大学信息学部	11	14	1.0	3.0
2	杨惠荣	北京工业大学信息学部	8	14	1.0	3.0
3	李建君	北京工业大学信息学部	2	0	0.0	0.0
4	彭荆旋	北京工业大学信息学部	1	0	0.0	0.0