手写识别外文翻译

《手写识别外文翻译》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、.手写体汉字识别中Gabor特征和梯度特征的比较研究KAIDING摘要Gabor特征和梯度特征最近已被证明在手写汉字的识别中是两个最有效的特征，。进而一些综合比较性的在手写汉字识别方面的两大特征的研究在一些文献中被报道了。在本文中，我们在手写汉字识别中比较这两种方法。通过此获得一些新的有意义的结论研究。结果表明，梯度性能功能显着优于Gabor特征。多通道Gabor特征可以提高单通道Gabor特征的性能。我们还观察到，当Gabor特征的指示数达到5后识别精度便难以得到明显增加。这意味着只需要5个方向的Gabor

2、特征参数去实现一个足够好的性能，而不是在许多文献中被广泛使用的8个方向。关键词：梯度特征;Gabor特征;特征提取;手写体汉字识别（HCCR）1引言手写字符识别技术（HCR）是模式识别领域最关键的部分之一。特征提取方法的选择可能是唯一一个在实现高识别手写文字中最重要因素性能。许多特征提取的方法最近被提出。在这些功能中，定向功能，如定向元素的特点、边缘定向功能、轮廓定向功能广泛应用于先前且已被证明是非常高效的。但梯度特征最佳性能优于其他先前被提出的方向特征。在方向特征中一个强大的竞争对手是第一次被augman提

3、出的Gabor特征。Gabor滤波器提出的功能，首先是当地的窄带带通滤波器是在两者方向和空间频率中选择。这是适合用于提取两维的空间域，并广泛应用于如联合信息识别，字符识别，面部和纹理等。Gabor特征与轮廓方向（链码）相比较，结果表明：在手写汉字识别中轮廓特征比Gabor特征更低等。Gabor特征和梯度特征有一些共同的特性：适用于二进制图像和灰度图像，图像噪声免疫。刘先生等人在手写体数字和印刷日文字符识别比较这两种方法。然而，对于gabor特征和梯度特征在大规模的手写体汉字字符的识别中很少有综合性比较的研究，

4、这是在本文讨论，也获得了一些有意义的实验结论。....在参考文献中，结果表明，Gabor特征和梯度特征中手写体数字和印刷日文中表现出的特性是相似的。但在本文中，我们注意到，梯度特征在大规模的手写体汉字字符识别中明显优于Gabor特征。不同的结果的分析这在5.4节给出了。本文的其余部分安排如下：第2节和第3节介绍Gabor特征提取和梯度特征提取的方法。在第4节，弹性网格方法的提出，所有实验和描述在第5节提出。最后，在第6节是我们的总结文件。2Gabor特征提取2.1单一通道Gabor特征提取二维Gabor滤波器

5、函数如下：和是振荡的方向，D是方向向量，λ是波长，ΔXΔY是高斯的标准偏差。要提取Gabor特征，我们假设，F（X，Y）在二维字符点（X，Y）的像素值图像，其大小为M×N的（在本文中，所有的字符图像归为64×64）。让点（Xm，Yn）从弹性网格表4中获得）表示采样点。然后在Gabor特征采样点（Xm，Yn）表示为：在实践中，其振幅被用作为特征，那就是：要获得Gabor特征的人物形象，参数φK，λ，ΔX，ΔY，首先必须确定。这是通常把ΔX=ΔY=δ=π认为是常数。最佳φK（或D）和λ值将取决于在5.3节中描述的

6、实验。2.2多通道Gabor特征提取最初是由王先生等提出....，如Gabor滤波器敏感笔画的宽度，和价值参数λ，λ反映信息的笔划宽度在Gabor特征的表现上有显著的影响。在2.1节提出的Gabor滤波器只能设置单一数值的λ，这意味着这Gabor滤波器的λ值是只对某些笔划宽度敏感。因为最后的触摸和正常化的过程中，脱机手写体的宽度字符的笔画差别很大（如图5所示）。因此，单通道（烧入λ值）Gabor滤波器的性能可能不是很好对于脱线手写体汉字字符识别。为了克服这一缺点，多渠道Gabor特征提取的建议：几个单通道Ga

7、bor滤波器参数λ的不同值合并成一个多通道Gabor滤波器。因此多通道Gabor滤波器可以是对几个宽度敏感，其性能将比单一通道Gabor特征更加优越。3梯度特征提取。（所示图1）用于获取图1水平和垂直在每个图像的梯度像素。假设F（X，Y）是点的灰度水平（X，Y），水平和垂直灰度梯度，推导出图3：（a）8x8线性网格（b）8x8整体弹性网格（c）8x8局部弹性网格图2：梯度矢量然后我们以相等的时间间隔2π/L定义LDE方向，并分解梯度向量.）x和y为它的两个GG在最近的方向平行四边形的方式，为在图2所示（在图中

8、，L是表示8）。这种分解方法是先将刘等提出。这样，我们得到在每一个L维的梯度代码图像....中的像素。然后我们分成64×64的归一化图像到8×8子块通过弹性网格，中间每个子块表示为采样点提取大号梯度功能，在d维梯度特征向量，作为Fgr表示，其中d=8×8×L。最后一个非线性变换Ÿ=Fgr0.4适用于每个提取的特征向量元素，使其分布高斯。在上述过程中，方向值L是唯一的参数在梯度特征的功能中。在本文中，