最小海明距离分类器的字符识别方法研究

doi:10.3778/j.issn.1002-8331.2009.24.052

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (24): 176-177.DOI: 10.3778/j.issn.1002-8331.2009.24.052

• 图形、图像、模式识别 • 上一篇下一篇

最小海明距离分类器的字符识别方法研究

岳俊华^1，2，3，李岩^1，2，郭永飞¹

1．中国科学院长春光学精密机械与物理研究所，长春 130033
2．中国科学院研究生院，北京 100039
3．吉林建筑工程学院，长春 130021

收稿日期:2008-05-09 修回日期:2008-08-01 出版日期:2009-08-21 发布日期:2009-08-21
通讯作者: 岳俊华

Research of character identifying method about least Hamming distance classifier

YUE Jun-hua ^1，2，3，LI Yan^1，2，GUO Yong-fei¹

1．Changchun Institute of Optics，Fine Mechanics and Physics，Chinese Academy of Sciences，Changchun 130033，China
2．Graduate School of Chinese Academy of Sciences，Beijing 100039，China
3．Jilin Architectural and Civil Engineering Institute，Changchun 130021，China

Received:2008-05-09 Revised:2008-08-01 Online:2009-08-21 Published:2009-08-21
Contact: YUE Jun-hua

摘要/Abstract

摘要： 应用最小海明距离（Hamming Distance，缩写HD）分类器，研制了一种新型的基于最小海明分类器的字符识别方法。讨论了该字符识别方法实现的技术路线，较好解决了理论的工程化应用问题，对500帧连续图像的时间字符进行实验，时间字符识别准确率为99.8%，达到了字符比较准确识别的目的。

关键词: 字符识别, 海明距离分类器, 模板索引

Abstract: This paper develops a new character identifying method applying least Hamming distance classifier system.The implementation of this character recognition method is discussed.It provides a practical approach of academic project applying.This paper does time-character identifying experiment about 500 frame continuous image，character identifying accurate rate is 99.8%. This character identifying method can pick up character accurately.It meets the purpose of accurate recognition character.

Key words: character identification, Hamming Distence classifier system, templet index

中图分类号:

TP391.4

岳俊华^1，2，3，李岩^1，2，郭永飞¹. 最小海明距离分类器的字符识别方法研究[J]. 计算机工程与应用, 2009, 45(24): 176-177.

YUE Jun-hua ^1，2，3，LI Yan^1，2，GUO Yong-fei¹
. Research of character identifying method about least Hamming distance classifier[J]. Computer Engineering and Applications, 2009, 45(24): 176-177.

[1]	张成，戴俊峰，熊闻心. 融合LeNet-5改进的扫描文档手写日期识别[J]. 计算机工程与应用, 2021, 57(9): 207-211.
[2]	马玲，罗晓曙，蒋品群. 基于模板匹配和支持向量机的点阵字符识别研究[J]. 计算机工程与应用, 2020, 56(4): 134-139.
[3]	赵永猛，宓超. 自然环境下道口客车车身字符识别算法研究[J]. 计算机工程与应用, 2020, 56(16): 191-198.
[4]	郑祖兵，盛冠群，谢凯，唐新功，文畅，李长晟. 双网络模型下的智能医疗票据识别方法[J]. 计算机工程与应用, 2020, 56(12): 141-148.
[5]	徐富新，王晶，黄玉秀，王洲. 神经网络和模板匹配在自动打分系统中的应用[J]. 计算机工程与应用, 2015, 51(5): 251-254.
[6]	肖西华，江志兴，梁旭，李艳霞. 移动平台下的身份证图像字符分割方法研究[J]. 计算机工程与应用, 2015, 51(24): 201-204.
[7]	李开，陈礼安，曹计昌. 基于灰度多值化的身份证号码识别[J]. 计算机工程与应用, 2015, 51(13): 191-196.
[8]	王磊1，2，王瀚漓1，2，何良华1，2. 基于双边缘检测的车牌识别算法[J]. 计算机工程与应用, 2013, 49(8): 169-173.
[9]	马驰1，2，于淼3. 基于主曲线算法的手写字符特征分析与提取[J]. 计算机工程与应用, 2013, 49(3): 202-206.
[10]	曾仲杰1，潘晴1，徐如意2，蔡念1，许少秋1. 基于字符切割拼接的字段式液晶数字识别[J]. 计算机工程与应用, 2013, 49(12): 110-112.
[11]	李杏华，张彦杰，王伟超. 基于机器视觉的加工误差在线检测系统设计[J]. 计算机工程与应用, 2012, 48(4): 71-73.
[12]	刘余霞1，吕虹1，2，胡涛1，孙小虎1. 基于Bagging集成学习的字符识别方法[J]. 计算机工程与应用, 2012, 48(33): 194-196.
[13]	何兆成，佘锡伟，余文进，杨文臣. 字符多特征提取方法及其在车牌识别中的应用[J]. 计算机工程与应用, 2011, 47(23): 228-231.
[14]	阳媛，张申，沈微微，王伟. 多图书图像标签字符的分割识别[J]. 计算机工程与应用, 2010, 46(34): 181-183.
[15]	唐博¹，史仪凯¹，王萑¹，牛秦洲². 啤酒瓶字符的圆周投影特征提取与识别[J]. 计算机工程与应用, 2010, 46(13): 229-232.

最小海明距离分类器的字符识别方法研究

Research of character identifying method about least Hamming distance classifier

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