识别手写卡纳达数字的分类器融合方法
计算机视觉与模式识别
2013-01-03 v1
摘要
光学字符识别 (OCR) 是图像处理和模式识别领域的重要方向之一。手写字符识别一直是一项具有挑战性的任务。针对南印度语言的手写字符识别工作寥寥无几。卡纳达语 (Kannada) 是南印度语言之一，也是印度的官方语言之一。由于字符间高度相似，准确识别卡纳达字符是一项挑战性任务。因此，需要提取高质量特征并采用更好的分类器以提高卡纳达字符 OCR 的准确率。本文探讨了游程计数 (RLC) 和方向链码 (DCC) 等特征提取方法在识别手写卡纳达数字中的有效性。本文实施了一种分类器融合方法以提高识别率。对于分类器融合，我们考虑了 K 近邻 (KNN) 和线性分类器 (LC)。该方法的创新之处在于利用分类器融合方法，以较少的特征实现更高的准确率。所提出的方法实现了 96% 的平均识别率。
引用
@article{arxiv.1301.0167,
title = {Classifier Fusion Method to Recognize Handwritten Kannada Numerals},
author = {H. R. Mamatha and S. Karthik and Murthy K. Srikanta},
journal= {arXiv preprint arXiv:1301.0167},
year = {2013}
}
备注
6 pages having 3 tables and 9 figures. Published in ICECT 2012 conference