用于无约束奥里亚语字符识别的稀疏概念编码 Tetrolet 变换
计算机视觉与模式识别
2020-04-06 v1 图像与视频处理
摘要
以空间-光谱分解形式进行的特征表示是自动手写字符识别系统中采用的鲁棒技术之一。在这方面，我们提出了一种使用稀疏概念编码 Tetrolet 的新图像表示方法，用于无约束手写字母数字字符。Tetrolet 不像传统小波那样使用固定的二进方块进行光谱分解，而是通过采用捕获形状几何的 tetrominoes 来保留手写中的局部变化。研究发现，低熵 Tetrolet 表示的稀疏概念编码能够提取重要的隐藏信息（概念），从而实现卓越的模式判别。使用六种不同文字（孟加拉文、天城文、奥里亚文、英文、阿拉伯文和泰卢固文）的十个数据库进行了大规模实验。发现所提出的特征表示与随机森林、支持向量机（SVM）、最近邻和修正二次判别函数（MQDF）等标准分类器结合，在所有数据库中均实现了最先进的识别性能，即 99.40% (MNIST)；98.72% 和 93.24% (IITBBS)；99.38% 和 99.22% (ISI Kolkata)。结果表明，所提出的 OCR 系统优于其他基于稀疏的技术，如 PCA、SparsePCA 和 SparseLDA，也优于现有的变换（Wavelet、Slantlet 和 Stockwell）。
引用
@article{arxiv.2004.01551,
title = {Sparse Concept Coded Tetrolet Transform for Unconstrained Odia Character Recognition},
author = {Kalyan S Dash and N B Puhan and G Panda},
journal= {arXiv preprint arXiv:2004.01551},
year = {2020}
}