基于機(jī)器學(xué)習(xí)的文字判斷和識(shí)別算法研究與系統(tǒng)實(shí)現(xiàn).pdf

1、復(fù)雜背景下的文字處理一直是OCR(Optical Character Recognition,光學(xué)字符識(shí)別)領(lǐng)域中的難題。本文在先前經(jīng)典算法的基礎(chǔ)上,提出了一種全新的復(fù)雜背景下的文字判斷算法,并用實(shí)驗(yàn)證明了該算法的準(zhǔn)確率較高,并且速度也較快。本文首先介紹了圖像的特征向量,聚類算法和數(shù)據(jù)挖掘的概念,并引入了SIFT,k-means和SVM算法,也介紹了這三個(gè)算法的流程和特點(diǎn)。其次,本文基于上述三種算法,提出了一種全新的復(fù)雜背景下的文字判斷

2、算法。本文在學(xué)習(xí)階段利用SIFT進(jìn)行特征點(diǎn)提取和描述,并用k-means算法進(jìn)行聚類,最后用SVM算法進(jìn)行學(xué)習(xí)。在測(cè)試階段對(duì)圖片進(jìn)行了SIFT特征點(diǎn)提取,并用學(xué)習(xí)階段得到的聚類中心和SVM判決函數(shù)進(jìn)行最終的判斷,得出圖片中是否含有文字的結(jié)果。再次,本文又對(duì)所提出的算法進(jìn)行了大量的實(shí)驗(yàn)和改進(jìn),包括圖片的拉伸,旋轉(zhuǎn)和真實(shí)圖片的測(cè)試,并提出了基于機(jī)器學(xué)習(xí)的復(fù)雜背景下的特定文字判斷的算法。并且,本文又使用了基于本文算法的k-means來(lái)替換k-