基于特征提取的数字识别算法研究

基于特征提取的数字识别算法研究
赵丽
【期刊名称】《信息记录材料》
【年(卷),期】2024(25)3
【摘要】基于模板匹配的数字识别算法需要保证训练样本和模板样本一致,基于深度学习的数字识别算法需要保证有大量的训练样本。

然而户外环境复杂,很难找到所有与训练样本相匹配的模板样本,搜集到的图像也比较有限,很难建立一个大的数据集,因此识别准确率欠佳。

基于这种情况,本文提出了一种采用方向梯度直方图(histogram of oriented gradients,HOG)特征提取和支持向量机(support vector machine,SVM)分类器训练的方法对数字进行识别。

为了增强复杂样本识别的鲁棒性,本文还对获取的图像进行了一系列的投影分割操作。

实验后发现,本文所提算法可以有效避免模板匹配和深度学习方法的缺点,具有较高的识别准确率,且运行速度较快。

【总页数】3页(P243-245)
【作者】赵丽
【作者单位】河南工业贸易职业学院信息工程学院
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于自编码特征提取及弹性学习的手写数字识别
2.基于Zernike矩特征提取的改进FCM手写体数字识别
3.基于多尺度卷积核特征提取算法的手写数字识别研究
4.基于分块LBP特征提取和改进KNN的手写数字识别
5.基于新特征提取法和量子神经网络的手写数字识别
因版权原因，仅展示原文概要，查看原文内容请购买。