[发明专利]字符图像的识别方法

摘要

本发明提供了一种字符图像的识别方法。该方法主要包括：对原始字符图像Image进行归一化处理得到浮点型图像矩阵ImageSquare；使用多个滤波核对浮点型图像矩阵ImageSquare进行卷积运算，得到包含不同纹理特征的一组图像矩阵ImageDst；获取原始字符图像Image对应的特征向量Features，从一组图像矩阵ImageDst中提取出多层特征，将多层特征设置到特征向量Features中，得到数据样本；使用具有级联关系的多层次的分类器对数据样本进行逐层分类处理，识别出原始字符图像Image中的字符。本发明基于图像分类的思想，利用SVM分类器设计了一种多层次的级联分类器模型，实现了一种先归类后识别的逐级识别方法，一定程度上减少了单层分类器的类别数目，从而提升了识别准确率。本发明的方法简洁，可操作性强。

主权项

1.一种字符图像的识别方法，其特征在于，包括：对原始字符图像Image进行归一化处理得到浮点型图像矩阵ImageSquare；使用多个滤波核对所述浮点型图像矩阵ImageSquare进行卷积运算，得到包含不同纹理特征的一组图像矩阵ImageDst；获取所述原始字符图像Image对应的特征向量Features，从所述一组图像矩阵ImageDst中提取出多层特征，将所述多层特征设置到所述特征向量Features中，得到数据样本；使用具有级联关系的多层次的分类器对所述数据样本进行逐层分类处理，识别出所述原始字符图像Image中的字符；所述的获取所述原始字符图像Image对应的特征向量Features，从所述一组图像矩阵组ImageDst中提取出多层特征，将所述多层特征设置到所述特征向量Features中，得到数据样本，包括：记图像Image对应的特征向量为Features，分别计算出所述一组图像矩阵ImageDst中每张特征图像中所有像素点的均值和标准差并作为第一层的特征，将所述第一层的特征设置到特征向量Features中；将所述一组图像矩阵ImageDst中每张特征图像分为4个大小为16×16的图像矩阵，分别计算出每个16×16的图像矩阵的均值和标准差并作为第二层的特征，将所述第二层的特征设置到特征向量Features中；将所述一组图像矩阵ImageDst中每张特征图像分为16个大小为8×8的图像矩阵，分别计算出每个8×8的图像矩阵的均值和标准差并作为第三层的特征，将所述第三层的特征设置到特征向量Features中；将包含了三层特征信息的特征向量Features作为数据样本。