基于游程特征的文本图像识别方法

doi:10.3778/j.issn.1002-8331.2010.07.060

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (7): 194-196.DOI: 10.3778/j.issn.1002-8331.2010.07.060

• 图形、图像、模式识别 • 上一篇下一篇

基于游程特征的文本图像识别方法

彭涛，马宏，戴元红，马杰

解放军信息工程大学信息技术研究所，郑州 450002

收稿日期:2008-09-10 修回日期:2008-12-09 出版日期:2010-03-01 发布日期:2010-03-01
通讯作者: 彭涛

Document image recognition based on run feature

PENG Tao，MA Hong，DAI Yuan-hong，MA Jie

Institute of Information Technology，PLA Information Engineering University，Zhengzhou 450002，China

Received:2008-09-10 Revised:2008-12-09 Online:2010-03-01 Published:2010-03-01
Contact: PENG Tao

摘要/Abstract

摘要： 提出了一种基于游程特征的中英文本图像识别方法，用游程统计特征提供的图像信息作为图像模式识别的描述特征，在此基础上利用神经网络来训练分类器。实验结果表明，该方法的识别精度较高，具有一定的容错能力。

关键词: 图像识别, 游程特征, 倾斜度

Abstract: This paper presents a method for document image recognition based on run feature.The image represented by run feature provides the description for image pattern recognition.Based on it，Neural Network learning architecture is employed to learn to recognize the instances of the object class.Experimental results show that the method achieves high recognition accuracy，and it is perfect for fault tolerant.

Key words: image recognition, run feature, gradient

中图分类号:

TP391

彭涛，马宏，戴元红，马杰. 基于游程特征的文本图像识别方法[J]. 计算机工程与应用, 2010, 46(7): 194-196.

PENG Tao，MA Hong，DAI Yuan-hong，MA Jie. Document image recognition based on run feature[J]. Computer Engineering and Applications, 2010, 46(7): 194-196.

[1]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[2]	贺文亮，朱敏玲. 胶囊神经网络研究现状与未来的浅析[J]. 计算机工程与应用, 2021, 57(3): 33-43.
[3]	黄英来，艾昕. 改进残差网络在玉米叶片病害图像的分类研究[J]. 计算机工程与应用, 2021, 57(23): 178-184.
[4]	李龙龙，何东健，王美丽. 基于改进型LBP算法的植物叶片图像识别研究[J]. 计算机工程与应用, 2021, 57(19): 228-234.
[5]	黄英来，温馨，任洪娥，王佳琪. 深度迁移学习在古筝品质分级中的应用[J]. 计算机工程与应用, 2021, 57(10): 218-224.
[6]	刘虹，王烈. 结合余弦相关性的卷积网络识别汉字的方法[J]. 计算机工程与应用, 2020, 56(8): 130-135.
[7]	曹晓航，汪立新，束学渊. 基于小波不变矩的雷达辐射源信号识别[J]. 计算机工程与应用, 2020, 56(19): 269-272.
[8]	李鑫，焦斌，林蔚天. 基于条件信息卷积生成对抗网络的图像识别[J]. 计算机工程与应用, 2020, 56(14): 191-198.
[9]	苗开超，周建平，陶鹏，刘承晓，姚叶青. 自适应混合卷积神经网络的雾图能见度识别[J]. 计算机工程与应用, 2020, 56(10): 205-212.
[10]	袁嘉杰，张灵，陈云华. 基于注意力卷积模块的深度神经网络图像识别[J]. 计算机工程与应用, 2019, 55(8): 9-16.
[11]	张锡英，宋宇鹏，陈曦，边继龙. 融合STN和DenseNet的深度学习网络及其应用[J]. 计算机工程与应用, 2019, 55(17): 131-136.
[12]	郑远攀1，2，李广阳1，李晔1. 深度学习在图像识别中的应用研究综述[J]. 计算机工程与应用, 2019, 55(12): 20-36.
[13]	袁明新1，2，张丽民1，2，朱友帅1，姜烽1，江亚峰2. 联合中间层的深度卷积神经网络模型[J]. 计算机工程与应用, 2018, 54(20): 139-144.
[14]	郭艾侠，彭明明，邢仲璟. 机器视觉技术在荔枝识别与定位研究中的应用[J]. 计算机工程与应用, 2017, 53(17): 218-223.
[15]	王凯，施隆照. 基于FPGA的快速连通区域标记算法的设计与实现[J]. 计算机工程与应用, 2016, 52(18): 192-198.

基于游程特征的文本图像识别方法

Document image recognition based on run feature

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics