基于轮廓追踪的字符识别特征提取

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (20): 207-209.

基于轮廓追踪的字符识别特征提取

杨明，刘强，尹忠科，王建英

西南交通大学信息科学与技术学院，成都 610031

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-07-11 发布日期:2007-07-11
通讯作者: 杨明

Feature extraction in character recognition based on contour pursuit

YANG Ming，LIU Qiang，YIN Zhong-ke，WANG Jian-ying

School of Info Sci.& Tech.，Southwest Jiaotong University，Chengdu 610031，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-07-11 Published:2007-07-11
Contact: YANG Ming

摘要/Abstract

摘要： 字符识别是模式识别的一个重要分支，其关键是特征向量的选择与提取。小波分解和分形在图像处理方面有着广泛的应用，在结合二者特点的基础上提出了一种新的基于轮廓追踪的字符识别特征选取方法。即对于一个输入的字符图像经预处理提取其轮廓，并由轮廓追踪获得边缘点坐标序列，实现了从二维图像数据到一维数据的转化，对得到的一维曲线进行小波分解，计算少数几个分解得到的曲线的分形维数，以它们构成特征向量。并对有关字符做了实验，其效果是令人满意的。

关键词: 字符识别, 特征提取, 小波分解, 分形维

Abstract: Character recognition is an important branch of pattern recognition，its key factors are selecting and extracting proper feature vector.Wavelet decomposition and fractal are applied extensively in image processing，and a new feature vector combined their characteristics is proposed in this paper based on contour pursuit.After an input image is preprocessed，contour is extracted.Then edge pixels coordinate sequence is obtained based on it.This method transforms 2-D image data into 1-D data which is decomposed by wavelet to get curves.Afterwards the feature vector is formed by calculating fractal dimension of several segments of curves.Some characters are tested using the method，and the result is satisfied.

Key words: character recognition, feature extraction, wavelet decomposition, fractal dimension

杨明，刘强，尹忠科，王建英. 基于轮廓追踪的字符识别特征提取[J]. 计算机工程与应用, 2007, 43(20): 207-209.

YANG Ming，LIU Qiang，YIN Zhong-ke，WANG Jian-ying. Feature extraction in character recognition based on contour pursuit[J]. Computer Engineering and Applications, 2007, 43(20): 207-209.

[1]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[2]	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.
[3]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[4]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[5]	张晓丽，张魁星，江梅，魏本征，丛金玉. 淋巴瘤图像分类技术研究综述[J]. 计算机工程与应用, 2021, 57(6): 1-9.
[6]	熊健，覃仁超，何梦乙，刘建兰，唐风扬. 改进随机森林在Android恶意软件检测中的应用[J]. 计算机工程与应用, 2021, 57(3): 130-136.
[7]	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.
[8]	李杰，李苗，袁细国. 面向新一代测序数据的病原微生物检测算法[J]. 计算机工程与应用, 2021, 57(19): 282-289.
[9]	郭恒光，刘文彪，余仁波. 用于形状特征提取的spike函数[J]. 计算机工程与应用, 2021, 57(18): 220-226.
[10]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[11]	刘星辰，贾俊铖，张莉，胡沁涵. 图像超分辨率特征浓缩网络[J]. 计算机工程与应用, 2021, 57(16): 213-219.
[12]	光睿智，安博文，潘胜达. 基于无锚框网络的航拍航道船舶检测算法[J]. 计算机工程与应用, 2021, 57(15): 251-258.
[13]	周小静，陈俊洪，杨振国，刘文印. 基于手势特征融合的操作动作识别[J]. 计算机工程与应用, 2021, 57(14): 169-175.
[14]	岳琪，徐忠亮，郭继峰. 面向混合乐器音乐分析的稀疏特征提取方法[J]. 计算机工程与应用, 2021, 57(14): 181-186.
[15]	谌贵辉，陈伍，李忠兵，易欣，刘会康，韩春阳. 残差卷积注意网络的图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(12): 193-200.