手写体数字识别：归一化与特征提取技术的研究（上）

摘要

在开发字符识别系统时，对各种技术的性能作出正确的选择和评估是十分重要的。以前，我们提出了纵横比适应归一化(ARAN aspect ratio adaptive normalization)的问题，并且对目前的特征提取与分类技术作了性能评估。本文我们提出几个改进的归一化函数和方向特征提取的策略，并且把它们与现有技术进行了比较。我们在三个差异显著的样本库上比较10个归一化函数(7个基于尺度，3个基于矩)和8个特征向量。对于每个样本库，应用组合的归一化函数与特征向量以达到80个等级的分类精度。通过归一化函数的比较，基于矩的归一化函数在性能上优于基于尺度的归一化函数，且纵横比映射也受到影响。通过特征向量的比较可以看出，改进的特征向量提取策略优于最初策略。在大多数情况下，从灰度图像得到的梯度特征能够取得最好的效果。改进的归一化组合特征提取(NCFE normalization-cooperated feature extraction)也取得了很好的效果。归一化、特征提取和分类的组合应用，对众所周知的样本库是有效的，并取得了很高的识别精度。