基于RBF网络的光学字符提取与识别新方法

摘要

提出了一种新的基于统计与模糊隶属度的光学字符特征提取方法,可以快速准确地识别受噪声污染的光学字符.相比传统算法,本文方法的特征空间区分度更高,最小类间距离扩大33.2%以上.应用在径向基函数(Radical Basis Function,RBF)神经网络中,在字体字号变化且有背景噪声污染的影响下,识别率高达99%以上,且相比直方图投影法提速75%.理论分析与实验结果表明,与传统方法相比,该算法抗噪能力更强、模式区分度更高、时空复杂度更低,更简约、更全面地覆盖了字符的特征,应用范围广.已应用于实际系统,取得很好的实验结果.