數(shù)字、字符識(shí)別的應(yīng)用研究.pdf

1、20世紀(jì)80年代,隨著圖像處理和模式識(shí)別技術(shù)的發(fā)展,數(shù)字、字符識(shí)別研究越來越引起人們的重視.字符識(shí)別特別是小語種數(shù)字、字符識(shí)別有其自身的特點(diǎn):字符的種類繁多；字符形態(tài)復(fù)雜、多樣；研究起步較晚；應(yīng)用需求日益上升.為了滿足實(shí)際應(yīng)用的要求,深入研究小語種數(shù)字、字符的識(shí)別具有學(xué)術(shù)意義和應(yīng)用價(jià)值.
　　 字符識(shí)別一般包括預(yù)處理,特征提取和分類器設(shè)計(jì).本文的創(chuàng)新工作有:
　　 圖像預(yù)處理:改進(jìn)的Bernsen算法,采用線掃描的Ber

2、nsen算法結(jié)合Gaussian濾波能有效的去除非均勻光照?qǐng)D像中的陰影干擾。
　　 由于不同字符有其自身的特點(diǎn),對(duì)不同的字符集采用不同的特征提取方法:
　　 1.基于Kirsch算子提取的方向特征法.提取字符的水平、垂直、左對(duì)角和右對(duì)角四個(gè)方向的特征,把原圖向量結(jié)合起來共同映射為一個(gè)新的特征向量,對(duì)該特征空間進(jìn)行PCA降維得到新的特征.
　　 2.基于主成分分析圖像重建的特征提取方法,進(jìn)行字符識(shí)別.提出圖像主成分

3、分析特征提取方法,該方法能保持特征穩(wěn)定的情況下比二維主成分分析提取圖像特征系數(shù)少.
　　 3.加權(quán)線性判別分析方法.線性判別分析并不確保對(duì)分類準(zhǔn)確性最優(yōu),有可能使得已經(jīng)分開的鄰近類引起不必要的重迭.為了克服這類問題,本文對(duì)線性判別分析進(jìn)行加權(quán)處理,找到最優(yōu)子空間.
　　 分類器的設(shè)計(jì)是字符識(shí)別的關(guān)鍵,本文的研究有:
　　 1.提出了基于閾值的貝葉斯判別函數(shù)結(jié)合核方法的分類器,分析了核與高斯過程的關(guān)系,采用閾值替代