模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2008年
6期
824-830
,共7页
宋怀波%路长厚%李建美%卢国梁
宋懷波%路長厚%李建美%盧國樑
송부파%로장후%리건미%로국량
凹凸字符识别%主分量分析(PCA)%特征不变量
凹凸字符識彆%主分量分析(PCA)%特徵不變量
요철자부식별%주분량분석(PCA)%특정불변량
提出一种标牌字符图像样本矢量生成方法,有效解决字符图像存在旋转变化时对识别结果的影响.该方法首先提取图像的质心、主轴等特征不变量,然后对图像进行极坐标变换,并按照一定的规则进行排序,最后得到具有旋转不变性的样本矢量.在此基础上对分割得到的单个字符采用PCA子空间方法直接在灰度图像上进行识别.实验表明,该方法可大幅度降低离群样本的数量,与通常采用的矢量形成方法相比,具有更高的识别率.
提齣一種標牌字符圖像樣本矢量生成方法,有效解決字符圖像存在鏇轉變化時對識彆結果的影響.該方法首先提取圖像的質心、主軸等特徵不變量,然後對圖像進行極坐標變換,併按照一定的規則進行排序,最後得到具有鏇轉不變性的樣本矢量.在此基礎上對分割得到的單箇字符採用PCA子空間方法直接在灰度圖像上進行識彆.實驗錶明,該方法可大幅度降低離群樣本的數量,與通常採用的矢量形成方法相比,具有更高的識彆率.
제출일충표패자부도상양본시량생성방법,유효해결자부도상존재선전변화시대식별결과적영향.해방법수선제취도상적질심、주축등특정불변량,연후대도상진행겁좌표변환,병안조일정적규칙진행배서,최후득도구유선전불변성적양본시량.재차기출상대분할득도적단개자부채용PCA자공간방법직접재회도도상상진행식별.실험표명,해방법가대폭도강저리군양본적수량,여통상채용적시량형성방법상비,구유경고적식별솔.
