一种基于局部Gabor滤波器组及PCA＋LDA的人脸表情识别方法

针对传统的Gabor滤波器组存在特征提取时间较长以及特征数据存在冗余性的缺点,提出了一种新颖的局部Gabor滤波器组。为了评估该方法的识别性能,提出了一个基于Gabor特征的人脸表情识别系统。该系统首先对经过预处理之后的纯表情图像提取Gabor特征,然后用PCA LDA方法对采样后的特征进行特征选择,最后采用K近邻分类方法识别人脸表情。实验结果表明,这种方法无论在计算量还是识别性能上都比传统的Gabor滤波器组更具有优势。该方法的创新之处在于选取局部Gabor滤波器,最高平均识别率达到了97.33%,表明其适合于人脸表情图像的分析。     

基于Gabor滤波器组的车牌汉字特征提取

提出基于Gabor滤波器组的特征提取新方法.利用汉字图像的统计信息及归一化信息,提出针对车牌汉字的有效的Gabor滤波器组参数优化方法,并设计一组Gabor滤波器用于提取车牌汉字图像中不同中心频率和方位的笔画纹理特征,实现直接对灰度图像的特征提取.实验结果表明,相比传统二值化特征提取方法,采用基于Gabor滤波器组的小波变换提取特征能够获得更良好的识别性能.     

并行特征融合在金融手写汉字识别中的应用

针对金融票据自动识别应用中的脱机手写体汉字识别进行特征提取的研究,首先提出了用Gabor特征和Zemike矩特征来分别表征汉字的局部特征和全局特征。针对传统的串行特征融合方法的缺陷,提出了一种并行特征融合方法,将Gabor特征和Zemike矩特征组合成新的特征向量,然后使用广义K-L变换对新特征向量的维数进行压缩,去除冗余信息。实验结果验证了该方法的有效性。     

ART2神经网络在手写体汉字识别中的应用

该文提出了一种基于神经网络的手写体汉字识别方法，该算法充分利用神经网络的自适应学习能力。ART2网络通过竞争学习和自稳机制原理实现分类，可以在非平稳的、有干扰的环境中进行无教师无监督的自学习。其学习过程是自组织的实时学习，能够迅速识别已学习过的样本，并能迅速适应未学习过的新对象。考虑到Gabor滤波器具有优良的方向性，该算法采用Gabor特征作为字符特征。Gabor特征反映字符的空间分布特征，而且可以组合成高维矢量，特别适用于汉字识别这大型模式识别场合。实验结果显示，该算法对测试样本识别正确率达到94％，比其他方法更准确、更可靠。     

基于联合两种特征的手写体维文字符识别

提出一种联合两种特征的手写体维文字符识别算法。该算法对手写体维文字符图像进行实值Gabor能量特征和方向线素网格特征的提取,将实值Gabor滤波器的128维能量特征和方向线素的128维网格特征结合起来,使用KNN分类器对两种特征进行联合分类。对手写体维文字符数据库中的样本分别进行手写体维文字符特征识别和维文字符笔迹特征识别。实验结果表明,和采用一种特征的识别算法比较,进一步提高了手写体维文字符的识别率。该算法也可用于手写体阿拉伯文字符的识别。     

基于Gabor多方向特征融合与分块直方图的人脸表情识别方法

针对传统的Gabor特征表征全局特征能力弱以及特征数据存在冗余性的缺点, 提出一种新颖的采用Gabor多方向特征融合与分块直方图统计相结合的方法来提取表情特征. 为了提取局部方向信息并降低特征维数, 首先采用Gabor滤波器提取人脸表情图像的多尺度和多方向特征, 然后按照两个融合规则将相同尺度不同方向的特征融合到一起. 为了能够有效地表征图像全局特征, 将融合图像进一步划分为若干矩形不重叠且大小相等的子块, 分别计算每个子块区域内融合特征的直方图分布, 将其联合起来实现图像表征. 实验结果表明, 这种方法无论在计算量上还是识别性能上都比传统的Gabor滤波器组更具有优势. 该方法的创新处在于提出了两个Gabor多方向特征融合规则, 应用在JAFFE表情库上最高平均识别率达到98.24%, 表明其适用于人脸表情图像的分析.     

基于Fisher的Gabor特征提取方法

提出在Gabor滤波理论的基础上,结合Fisher线性判别方法,对手写数字图像的所有特征点寻找局部最优滤波频率和滤波方向,从而提取最优Gabor特征的方法。对MNIST手写体数据库的识别实验表明,该方法在小样本情况下明显优于直接Gabor特征提取。     

基于并行特征融合的金融汉字特征提取方法

以金融汉字为研究对象，针对金融汉字的特点，提出了一种基于改进的Gabor滤波器和弹性网格相结合的新的特征提取方法。利用Gabor滤波器获取汉字的统计特征，利用弹性网格获取汉字的笔画特征，最后利用并行特征融合与分类的方法得到最终识别结果。实验证明，该方法是行之有效的，识别的速率和正确率有了显著的提高。     

基于霍夫变换和弹性网格的手写汉字识别方法

特征提取是手写体汉字识别的关键环节.弹性网格特征是一种较好的手写体汉字特征,但是无法体现汉字的整体结构信息,为此提出了一种采用复合特征进行手写体汉字识别的方法.该方法采用霍夫变换提取汉字图像的全局特征,并把这些全局特征与用弹性网格方法提取出的局部特征联合起来,这样得到的混合特征完整地反映了汉字全局特征和局部特征.最后通过实验证明,在进行大类别手写体汉字识别时,在特征值维数相同的情况下,采用这种复合特征的识别率明显高于单一的弹性网格特征,因此该方法是行之有效的.     

手写汉字识别弹性网格Gabor特征提取方法的研究*

结合弹性网格技术来对手写体汉字提取Gabor特征,并与基于非线性归一化的Gabor特征及传统的方向特征进行了比较研究,实验结果表明：提出的弹性网格Gabor特征优于非线性归一化Gabor特征,识别性能最稳定;弹性网格Gabor特征要明显优于传统的方向线数特征;不同的非线性归一化方法及归一化的图像尺寸对特征提取的性能有较大影响。     

结合Fisher判别的手写数字特征提取方法

在手写数字图像的特征提取中,提出一种结合Fisher线性判别的多分辨率Gabor滤波方法,在所有特征点上寻求特定滤波方向上的局部最优滤波频率,以获得最佳滤波效果,同时压缩不相关特征.在MNIST手写数字图像库上的识别实验表明:在小样本情况下,该方法能更准确地抽取手写数字图像特征,识别效果明显优于直接进行Gabor特征提取.     

手写数字识别中的Gabor参数优化设计

提出一种多分辨率Gabor滤波器组的参数优化设计方法,该方法通过分析在小波框架下的频率和带宽的相邻关系,推导滤波器组的参数构成,以尽可能少的滤波器覆盖尽可能大的信号频率空间;并采用两级、多通道2D Gabor滤波器组进行数字图像特征抽取,然后结合多类SVM分类器进行分类识别.对MNIST手写数字图像的识别实验表明：在小样本情况下,该方法具有很强的特征抽取能力和较高的识别率.     

Gabor filters-based feature extraction for character recognition

A new method using Gabor filters for character recognition in gray-scale images is proposed in this paper. Features are extracted directly from gray-scale character images by Gabor filters which are specially designed from statistical information of character structures. An adaptive sigmoid function is applied to the outputs of Gabor filters to achieve better performance on low-quality images. In order to enhance the discriminability of the extracted features, the positive and the negative real parts of the outputs from the Gabor filters are used separately to construct histogram features. Experiments show us that the proposed method has excellent performance on both low-quality machine-printed character recognition and cursive handwritten character recognition.     

Handwritten Chinese text editing and recognition system

This paper describes a handwritten Chinese text editing and recognition system that can edit handwritten text and recognize it with a client-server mode. First, the client end samples and redisplays the handwritten text by using digital ink technics, segments handwritten characters, edits them and saves original handwritten information into a self-defined document. The self-defined document saves coordinates of all sampled points of handwriting characters. Second, the server recognizes handwritten document based on the proposed Gabor feature extraction and affinity propagation clustering (GFAP) method, and returns the recognition results to client end. Moreover, the server can also collect the labeled handwritten characters and fine tune the recognizer automatically. Experimental results on HIT-OR3C database show that our handwriting recognition method improves the recognition performance remarkably.     

用Visual C++构造用于手写汉字识别的模拟系统

手写汉字识别是模式识别领域极具应用前景的研究课题之一。本文介绍了用Visual C^ 6.0构造用于研究手写汉字识别的模拟系统，用软件方式实现手写输入。该系统使用方便，使用者可以将精力集中在手写汉字特征提取、识别速度和识别率等方面。     

Analysis of variance of Gabor filter banks parameters for optimal face recognition

Gabor filter banks constitute a very robust tool to extract discriminant information from a visual scene. After the now “classical” bank with 5 frequencies and 8 orientations proposed by Lades et al. and Wiskott et al., many other parametrizations of a Gabor filter bank have appeared. In order to find the optimal parametrization for a face recognition experiment, we have performed a 6-way analysis of variance of Gabor parameters using FERET, FRAV2D, FRAV3D, FRGC and XM2VTS face databases, including frontal and turned poses, facial expressions, occlusions and changes of illumination. Considering independent criteria to find the optimal Gabor filter bank, the bank with the highest recognition rate was found to have 6 frequencies and narrower Gaussian widths in the space domain. These results were obtained with Mahalanobis distance for a k-NN classifier, with analytical and holistic Gabor feature vectors. Moreover about 20% of the banks studied here obtained in average a better performance than the classical bank. For most of the databases considered, the highest recognition rates have been achieved with analytical representations (frontal images, images with turns or occlusions), with a holistic preponderance for images with gestures or changes of illumination. The inferiority found for holistic Gabor representations versus their analytical counterparts can be explained for the intrinsic redundancy and the size of the feature vectors of this kind of representation.     

一种改进的脱机手写汉字四角特征粗分类方法

将粗分类应用于脱机手写汉字识别中,采用这种多层次分类策略,能有效地改善识别的性能,提高识别精度。本文提出了一种利用四角区域结构特征对手写汉字进行粗分类的方法。在对汉字基本笔画进行分析的基础之上,根据手写汉字形变的特点以及识别算法的要求,定义一组新的笔画单元,并将这些笔画单元与汉字特定区域内的结构进行比对,得到一组4位结构特征编码,以此作为脱机手写汉字粗分类的依据。对GB2312一级字库中的部分手写汉字进行采样和识别实验,结果证明改进的四角结构特征用于粗分类的有效性。