电视技术
電視技術
전시기술
TV ENGINEERING
2014年
13期
28-30,35
,共4页
印刷体数字识别%交点特征%径向基函数神经网络
印刷體數字識彆%交點特徵%徑嚮基函數神經網絡
인쇄체수자식별%교점특정%경향기함수신경망락
printed digital recognition%intersection features%RBF neural network
为了进一步提高印刷体的数字识别准确率,提出了一种基于交点特征和径向基函数神经网络的数字识别方法.首先利用交点特征对数字进行特征提取,即提取某一数字的划水平线得到的交点数作为水平特征分量,提取划垂直线得到的交点数作为垂直特征分量,将水平特征向量与垂直特征向量组合成数字的交点特征向量;然后利用径向基函数神经网络学习不同模式类别中的学习样本,学习过程完成后,利用此网络对样本进行识别.实验结果表明,该数字识别方法在印刷体数字识别中正确率可达到100%,处理效果良好.
為瞭進一步提高印刷體的數字識彆準確率,提齣瞭一種基于交點特徵和徑嚮基函數神經網絡的數字識彆方法.首先利用交點特徵對數字進行特徵提取,即提取某一數字的劃水平線得到的交點數作為水平特徵分量,提取劃垂直線得到的交點數作為垂直特徵分量,將水平特徵嚮量與垂直特徵嚮量組閤成數字的交點特徵嚮量;然後利用徑嚮基函數神經網絡學習不同模式類彆中的學習樣本,學習過程完成後,利用此網絡對樣本進行識彆.實驗結果錶明,該數字識彆方法在印刷體數字識彆中正確率可達到100%,處理效果良好.
위료진일보제고인쇄체적수자식별준학솔,제출료일충기우교점특정화경향기함수신경망락적수자식별방법.수선이용교점특정대수자진행특정제취,즉제취모일수자적화수평선득도적교점수작위수평특정분량,제취화수직선득도적교점수작위수직특정분량,장수평특정향량여수직특정향량조합성수자적교점특정향량;연후이용경향기함수신경망락학습불동모식유별중적학습양본,학습과정완성후,이용차망락대양본진행식별.실험결과표명,해수자식별방법재인쇄체수자식별중정학솔가체도100%,처리효과량호.