基于视觉词组的图像高维索引结构的研究与实现.PPT

早期的研究主要关注图像检索地准确性 * 在基于文本块的字体识别方面，Yong等[3]采用Gabor滤波器提取字体特征，然后对其进行全局纹理分析，取得了较高的识别率。其后学者们[4-9]对此类方法做出改进，取得了新的进展。杨志华等[14，15]提出了一种基于经验模式分解（Empirical Mode Decomposition，EMD）的中文字体识别方法，该方法同样针对文本块进行识别。这种方法选择5个基本笔画特征来描述中文字体。对每一个给定的文本块计算笔画特征序列并且使用EMD进行分析，产生一个低维特征向量。最后，采用最小距离分类器识别字体。 基于单字符进行字体识别的代表方法是陈力等[10, 11] 提出的基于小波变换的方法。这种方法首先通过小波变换从字符图像中提取大量的小波特征，然后使用线性鉴别分析技术(Linear Discriminant Analysis，LDA) 选择与字体信息相关的特征，最后使用一种改进的二次鉴别函数（Modified Quadratic Discriminant Function，MQDF）分类器进行字体识别。其他使用小波方法进行字体识别的研究工作包括[12, 13]。Sun[16]利用汉字的笔画结构进行字体识别。这种方法自动提取单个字符的笔画部分，称为笔画模板（Stroke template）。相同字体的笔画模板被存储在字体数据库中。对于新输入的字符，