用于手写脚本识别的高斯混合模型
计算机视觉与模式识别
2013-03-13 v1
摘要
本文提出了一种高斯混合模型（GMM）来识别罗马、天城文、卡纳达文和泰卢固文手写单词的脚本。它强调了方向能量对于单词脚本识别的重要性。该模型对不同图像尺寸和不同书写风格具有鲁棒性。GMM使用从底层图像的方向能量分布中导出的六个新颖特征进行建模。通过将图像矩阵分解为右对角线和左对角线来计算方向能量分布的标准差。此外，水平和垂直能量分布的偏差也内置到GMM中。使用800张图像中的400张（每种脚本200张）训练GMM，其余用于测试。在双脚本、三脚本和多脚本级别进行了详尽的实验，脚本识别准确率分别为98.7%、98.16%和96.91%。
引用
@article{arxiv.1303.2751,
title = {Gaussian Mixture Model for Handwritten Script Identification},
author = {Mallikarjun Hangarge},
journal= {arXiv preprint arXiv:1303.2751},
year = {2013}
}
备注
Appeared in ICECIT-2012