3) Print Chinese Character Feature Points Extraction
印刷体汉字特征点提取
1.
A New Solution for Print Chinese Character Feature Points Extraction;
一种印刷体汉字特征点提取的新方法
5) feature extraction
特征提取
1.
Feature extraction from carbon fiber composites ultrasonic signals based on wavelet packet transform;
基于小波包变换的复合材料超声波检测信号特征提取
2.
New feature extraction method for laser-induced fluorescence spectra;
一种激光诱导荧光光谱特征提取新方法
3.
Statistics analysis and feature extraction of EEG for imaging left-right hands movement;
基于想象左右手运动脑电特征提取及其统计特性分析
6) features extraction
特征提取
1.
A image processing and features extraction method for structured light image of welding seam;
一种焊缝结构光图像处理与特征提取方法
2.
Features extraction and recognition of parts emage based on IMAQ;
基于IMAQ的零件图像特征提取和识别
3.
Image processing and features extraction of molten pool for pipe welding;
管道焊接熔池图像处理与特征提取
补充资料：汉字识别特征
汉字识别特征
Chinese character recognition features
汉·295·成败的主要因素。和一般模式特征类似，汉字识别特征可分为统计形式、结构形式和数学形式三类。汉字识别所抽取的汉字特征主要有:粗外围特征、粗网格特征、复杂指数和四边码、笔画密度特征、汉字特征点、短笔段特征、边框和局部特征、部件模板、笔画方向和轮廓特征、网格单元、笔画序列和各种数学变换特征等。这些特征在识别汉字时各有特色，互有优劣，它们可用于粗、细分类中。对汉字识别尚无系统性理论来指导特征的最佳选择，充分考虑汉字结构特点与规律以及识别系统的类型与要求来进行特征的选择是一种可取的方法。下面介绍几种国内外汉字识别系统中常用的汉字特征。 (1)粗外围特征抽取汉字四周轮廓信息作为特征，适用于粗分类。该特征抽取的过程为:先求出文字的外接框，再把PXq点阵文字分割成n只n份，n通常等于8。从文字四框各向相反边扫描，计算最初与文字笔画相碰的非文字部分的面积和全部面积之比作为一次粗外围特征Pl‘(￡=1一4n)，见图1。再将第二次与文字线相碰的非文字部分面积和全部文字面积之比作为二次粗外围特征尸2、(i二1一4n)，形成sn维的粗外围特征向量P p=(尸1一，尸12，…，PI，4，，pZI，p欢，一，pZ，4，) (1) 一次粗外围特征反映了文字轮廓特征，二次粗外围特征在某种程度上反映了文字内部结构。粗外围特征是日本学者首先提出的。首先提出的，主要用于粗分类。 (3)汉字特征点汉字由各种笔画构成，而笔画类型、数目和连接关系可以用笔画骨架线上的端点D、折点Z、歧点Q、交点J表示，见图2。汉字图形的背景(空白)部分，也包含了区别其他汉字的信息，选取若干关键背景点B作为特征，可以有效地区分同类中的其他汉字。这样，汉字特征点t由笔画特征点和背景关键点组成 t={D，Z，Q，J，B}(3) 图2汉字特征点示例 1二端点D;2.‘折点Z;3二歧点Q; 4.★交点几5.0关键背景点B 设T为汉字特征表达式，红是汉字特征点，K是特征点总数，凡是特征点类型(D、Z、Q、J、B)，八、yk是特征点在汉字点阵中相对坐标，{八}是特征点其他属性(主要是方向属性)集合，则有T={红}走=1，2，…，Ktk=(凡，几，旅，IPk})(4)┌─┐│/ ││嵘│└─┘ 图1粗外围特征 (2)粗网格特征把加框的Pxq点阵汉字划分为nXn块，n通常等于8，取每块中黑象素数对整个文字黑象素数的比为特征向量的分量，形成护维特征向量M。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条