基于特征融合的脱机手写体汉字识别的中期报告.docxVIP

基于特征融合的脱机手写体汉字识别的中期报告

1.项目概述

本文旨在实现一个基于特征融合的脱机手写体汉字识别系统。通过将多种图像特征进行融合，提高识别准确率。该系统主要包含以下几个部分：图像预处理、特征提取、特征融合和分类器训练。目前已完成图像预处理和特征提取部分，并初步进行了特征融合的实验。

2.进展情况

2.1图像预处理

我们对手写体汉字图像进行了预处理，包括二值化、去噪、字符切割、resizing等操作。最终得到了一组大小一致且以黑色字符为主的图像。

2.2特征提取

我们使用了三种特征提取方法：

（1）HOG特征：局部直方图梯度方向直方图（HOG）特征是一种常用的特征提取方法，它基于梯度方向直方图，用于描述局部区域的形状和纹理信息。我们将图像分成许多小的图像块，并将每个图像块转换为HOG特征向量。

（2）LBP特征：局部二值模式（LBP）特征是一种用于描述特定局部区域的纹理信息的二值图像特征。它利用局部区域像素的灰度值和它们周围像素的相对关系来描述纹理信息。

（3）Zernike矩特征：Zernike矩特征是一种将形状和纹理信息结合起来的特征提取方法。它基于极坐标，可以描述图像的旋转和扭曲不变性。

2.3特征融合

我们尝试了多种特征融合方法，包括平均值融合、特征串联和特征并联。通过实验，我们发现特征串联表现最好。

2.4分类器训练

我们采用了支持向量机（SVM）分类器来进行训练。在训练集上进行交叉验证，得到了一个较好的识别准确率。

3.下一步工作

下一步，我们将进行以下工作：

（1）进一步优化特征融合方法，并探索更多的特征提取方法。

（2）使用更大的数据集进行测试和验证，进一步评估识别准确率。

（3）尝试其他分类器，并比较它们的性能。

（4）优化代码，提高程序效率。