基于结构特征的手写体数字识别算法

提出了基于结构特征的手写体数字识别方法。首先,采用14模板法进行细化,然后提取了点、线、圆等结构特征,并根据相关信息进行特征组合,最后采用粗细两阶段分类法进行分类。     

Handwritten numeral recognition based on simplified structural classification and fuzzy memberships

Previous handwritten numeral recognition algorithms applied structural classification to extract geometric primitives that characterize each image, and then utilized artificial intelligence methods, like neural network or fuzzy memberships, to classify the images. We propose a handwritten numeral recognition methodology based on simplified structural classification, by using a much smaller set of primitive types, and fuzzy memberships. More specifically, based on three kinds of feature points, we first extract five kinds of primitive segments for each image. A fuzzy membership function is then used to estimate the likelihood of these primitives being close to the two vertical boundaries of the image. Finally, a tree-like classifier based on the extracted feature points, primitives and fuzzy memberships is applied to classify the numerals. With our system, handwritten numerals in NIST Special Database 19 are recognized with correct rate between 87.33% and 88.72%.     

基于结构特征分类BP网络的手写数字识别

手写体数字识别有着重大的使用价值,用多层BP网络来识别手写体数字是手写体数字识别的一大进步,但是,用单纯的BP网络来识别也存在识别精度不高等的问题。将BP网络技术和数字本身的结构特征结合起来,提出了一种基于结构特征分类BP网络的手写体数字识别新方法。首先提取点、环等数字特征值,并根据一些特征进行分类;然后再运用BP神经网络识别,以提高网络的识别能力;最后,选取了500个人的0~9的手写体数字,运用以上算法进行BP神经网络识别,用3000个手写体数字作为训练样本,2000个其他的样本进行测试,网络收敛后,识别率达到96%以上,比原来有一定的提高。     

多尺度特征和神经网络相融合的手写体数字识别

针对传统特征提取方法无法有效解决书写随意性的干扰问题,提出了一种多尺度特征和神经网络相融合的手写体数字识别方法。首先提取手写体数字二值图像的轮廓、笔画次序等结构特征,并旋转坐标轴,提取多角度结构特征;然后将字符从中心点到外边框划分为K层矩形子层,提取每层图像的灰度特征,最后以两种多尺度特征构建神经网络模型,并预测测试集合样本。将该算法实际用于以MNIST字体库构建的两个数据集识别,其精度高达99.8%,并能有效降低倾斜等手写字体的随意性影响。     

基于轮廓分段特征的手写体阿拉伯数字识别

文中提出了一种新的手写体数字识别的结构方法,将字符轮廓划分为特征片段,凸弧、凹弧直线段,端点,洞并由特征片段得到特征基元,构成对字符结构的完整描述。     

基于主曲线的脱机手写英文字母结构特征分析及选取

要提高脱机手写英文字母识别的识别率,关键是特征的提取与有效鉴别特征的抽取。主曲线是主成分分析的非线性推广,它是通过数据分布"中间"并满足"自相合"的光滑曲线。它较好地反映了数据分布的结构特征。首先将主曲线用于训练数据的特征提取;其次在详细分析字母主曲线的结构特点的基础上,选择出用于字母识别的粗分类、细分类特征;最后在对手写字母进行识别时,先用这些特征进行一级分类;对个别不能很好区分的相似字母用模糊数学方法进行二级模糊分类。所提方法在CEDAR手写体小写字母数据库上的实验结果表明:利用这些特征能有效区分相似字母,提高手写小写英文字母的识别率,不但能为脱机手写小写英文字母识别的研究提供一条新途径,而且能为手写单词识别提供有用信息。     

基于外接同心圆结构特征的自由手写体数字神经网络识别方法

本文提出了一种基于外接同心圆结构提取贯穿特征码的自由手写体数字的神经网络识别。该方法是用自由手写体数字的外接同心圆来提取其贯穿持征码，将获得的模式特征训练改进的ＢＰ神经网络分类器，从而达到快速分类的目的。将其应用于邮政编码识别系统，单字的识别率达到９７％以上，整信的识别率可达到９２％以上，得到了令人满意的结果。     

A new benchmark on the recognition of handwritten Bangla and Farsi numeral characters

The recognition of Indian and Arabic handwriting is drawing increasing attention in recent years. To test the promise of existing handwritten numeral recognition methods and provide new benchmarks for future research, this paper presents some results of handwritten Bangla and Farsi numeral recognition on binary and gray-scale images. For recognition on gray-scale images, we propose a process with proper image pre-processing and feature extraction. In experiments on three databases, ISI Bangla numerals, CENPARMI Farsi numerals, and IFHCDB Farsi numerals, we have achieved very high accuracies using various recognition methods. The highest test accuracies on the three databases are 99.40%, 99.16%, and 99.73%, respectively. We justified the benefit of recognition on gray-scale images against binary images, compared some implementation choices of gradient direction feature extraction, some advanced normalization and classification methods.     

基于积分投影的人脸图像的特征提取

人脸识别是模式识别领域内的重要课题,有着十分广泛的应用前景,人脸特征的自动提取是人脸自动识别过程中重要的一步。该文采用基于人脸几何特征的方法,首先通过边缘检测和阈值技术对人脸图像进行预处理;然后分别采用水平和垂直积分投影的方法确定人脸轮廓,最后利用人脸特征的先验知识,提取出特征点。实验结果表明该人脸特征提取系统能有效地提取头部轮廓和人脸的主要特征点,实现简单,效率高,特别适合于标准证件类型的黑白照的识别。     

基于主曲线的脱机手写数字结构特征分析及选取

要提高脱机手写数字识别的识别率,关键是特征的提取与选择．主曲线是主成分分析的非线性推广,它是通过数据分布“中间”并满足“自相合”的光滑曲线．它较好地反映了数据分布的结构特征．在数字特征选取中,首先将主曲线用于训练数据的特征提取;其次在详细分析数字主曲线的结构特点的基础上,选择出用于数字识别的粗分类、细分类特征;最后在对手写数字进行识别时,先进行粗分类再进行细分类．所提方法在Concordia大学的CENPARMI手写体数字数据库上的实验结果表明：利用这些特征能有效区分相似字符,提高了手写数字的识别率,为脱机手写数字识别的研究提供了一条新途径。     

基于肤色和几何特性的人脸特征区域定位方法

首先利用人脸的色彩特征和自适应阈值法实现特征候选区域和人脸肤色区域的分离，然后利用人脸的几何特性将连通的特征候选区域保留下来作为人脸特征区域。后续的特征提取可以在这些人脸特征区域中完成。一般的人脸特征提取方法都可以将该方法作为提高效率的预处理操作。实验证明，该方法具有高效率、低计算量的特点，并且受人脸表情、图像角度和背景的影响较小。     

基于彩色图像局部结构特征的深度图超分辨率算法

运用飞行时间相机来获取场景深度图像非常方便,但由于硬件的限制,得到的深度图像分辨率非常低,无法满足实际的需要.文中结合同场景的高分辨率彩色图像来制定优化框架,将深度图超分辨率问题转化为最优化问题来求解.具体来说,将彩色图像和深度图像在局部小窗口内具有的近似线性关系通过拉普拉斯矩阵的方式融合到目标函数的正则约束项中,运用彩色图像的局部结构参数模型,将该参数模型融入到正则约束项中对深度图的局部边缘结构提供更进一步的约束,再通过最速下降法有效地求解该优化问题.实验表明文中算法较其它算法无论在视觉效果还是客观评价指标下都可得到更好的结果.     

基于Matlab和C#的数显仪表数字识别系统

数显仪表中数字的识别技术在仪表自动识别领域中应用广泛,改善其识别准确率有助于提高仪表自动化水平。文中采用Otsu算法实现图像二值化,基于孤立像素连通域法对二值图像去噪,并利用垂直投影算法完成字符的分割,利用模块法进行特征提取。构建了3层BP神经网络,采用自适应带动量项的方法对BP神经网络进行参数调整。基于动态链接库方法,文中设计了结合Matlab和C#的数字识别系统。测试结果表明,单字符图像识别准确率可达98%,多字符图像识别准确率可达92.5%。     

基于软K段主曲线算法的字符特征提取研究及实现

要提高脱机手写字符识别的识别率,关键是特征的提取。主曲线是主成分分析的非线性推广,是通过数据分布“中间”并满足“自相合”的光滑曲线。通过对现有主曲线算法分析可知：软K段主曲线算法对提取出分布在弯曲度很大或相交曲线周围的数据的主曲线效果较好。因此本文尝试用谊主曲线算法来提取脱机手写字符的结构特征。实验结果表明,利用该主曲线算法来提取脱机手写字符的结构特征不但是可行的,而且取得较好的实验效果。它为脱机手写字符特征提取的研究提供了一条新途径。     

基于视觉特征的图象搜索引擎设计与实现

文章将基于WWW的搜索引擎技术与基于数据库的图象检索技术有机结合起来,提出了一种基于视觉特征的图象搜索引擎方案,并实现了一个图象搜索引擎系统。该系统先用网络机器人在WWW上搜索图象,提取其颜色、纹理或形状特征,与提交的示例图象特征作比较,把图象的URL按与示例图象的相似度大小顺序存入数据库,然后从数据库中返回结果给用户,并在屏幕上显示。实验结果表明,该系统简单易行,能较好地满足用户的需求。     

基于类内均值的双投影2DPCA人脸识别方法

在人脸识别问题中,如何提取具有鲁棒性的人脸特征和降低特征维数是两个关键。根据二维主成分分析方法直接利用二维图像来构建方差矩阵的优点,引入了类内均值的思想,首先计算每类训练样本的类内平均脸,并用它对各类样本进行规范化处理,有效扩大了类间样本的差别,缩小了类内样本的差别,进行协方差矩阵的计算并提取最优投影特征向量进行人脸图像的特征提取,通过在水平和垂直两个方向上顺序执行两次提取和投影的操作,极大压缩了特征的维数,克服了传统二维主成分算法的不足。在人脸库ORL和Yale的试验对比结果表明,方法对光照与表情变化有较好的鲁棒性,能实现较高的识别率,因此在实际中具有一定的应用意义。     

基于分块KPCA集成的人脸民族特征提取研究

为了实现人脸图像民族特征提取,提出了一种分块集成KPCA的特征提取方法。考虑到利用全局特征与局部特征的互补性能够更好地反映信息的本质,先以KPCA提取整体图像特征,然后使用KPCA对各个分块进行局部特征提取,再组合为民族特征,最后使用设计的Boosting-RBF分类器进行民族分类识别。实验以构建的少数民族人脸样本库为研究对象,对维吾尔族、柯尔克孜族、蒙古族、塔吉克族的人脸图像进行民族特征提取。实验结果表明:提取的人脸民族特征,可以对人脸图像进行较准确的民族分类识别。     

Recognition of hand-printed characters based on structural description and inductive logic programming

Character recognition systems can contribute tremendously to the advancement of the automation process and can improve the interaction between man and machine in many applications, including office automation, cheque verification and a large variety of banking, business and data entry applications. The main theme of this paper is the automatic recognition of hand-printed Arabic characters using machine learning. Conventional methods have relied on hand-constructed dictionaries which are tedious to construct and difficult to make tolerant to variation in writing styles. The advantages of machine learning are that it can generalize over the large degree of variation between writing styles and recognition rules can be constructed by example.

The system was tested on a sample of handwritten characters from several individuals whose writing ranged from acceptable to poor in quality and the average correct recognitions rate obtained using cross-validation was 86.65%.     

Feature Extraction Method Based on the Generalised Fisher Discriminant Criterion and Facial Recognition

In this paper we view the optimal set of discriminant vectors as a global transform, and consider its separability from a global view point. Based on this idea, the concept of a generalised Fisher discriminant criterion and that of a generalised optimal set of discriminant vectors is introduced. After that, a new algorithm is given to calculate the generalised optimal set of discriminant vectors defined in this paper, which is particularly suited to the case of a small number of samples where the scatter matrix is singular. It is then applied to an experiment on human facial recognition, and the results show that the new algorithm is superior to existing methods in terms of correct classification rate.