公开(公告)号：CN103218613A

公开(公告)日：2013-07-24

申请号：CN201310123085.8

申请日：2013-04-10

Applicant: 苏州大学

Inventor： 张莉 ,  周伟达 ,  王晓乾 ,  何书萍 ,  王邦军 ,  杨季文 ,  李凡长

IPC: G06K9/20

Abstract: 本发明公开了一种手写体数字识别方法及装置。该手写体数字识别方法，包括：确定待识别图像；依据像素点的灰度值，确定该待识别图像中的特定的像素点的至少三种像素特征；依据该特定的像素点的至少三种像素特征，分别确定该待识别图像的相应协方差；分别计算该待识别图像的每一协方差与预设的训练图像集合所包含每一类数字类别标签相应的李群均值之间的距离；分别将为该待识别图像的每一个协方差所确定出的多个距离中的最小距离所对应数字类别标签确定为备用数字类别标签；将该备用数字类别标签中个数最多的数字类别标签确定为待识别图像中的待识别数字类别标签。可见，通过利用本方案，可以有效提高手写体数字的识别准确性。

公开(公告)号：CN103164701B

公开(公告)日：2016-06-01

申请号：CN201310123349.X

申请日：2013-04-10

Applicant: 苏州大学

Inventor： 何书萍 ,  张莉 ,  王晓乾 ,  王邦军 ,  杨季文 ,  李凡长 ,  张召

IPC: G06K9/20

Abstract: 本发明公开了一种手写体数字识别方法及装置。该手写体数字识别方法，包括：确定待识别图像，该待识别图像中包含手写体形式的待识别数字类别标签；依据像素点的灰度值，确定该待识别图像中的特定的像素点的像素特征；依据该特定的像素点的像素特征，确定该待识别图像的协方差；基于李群KNN算法，依据预设的训练图像集合中的各训练图像的协方差和该待识别图像的协方差，确定该待识别图像的近邻标签集；将该近邻标签集中个数最多的数字类别标签确定为该待识别数字类别标签。可见，与现有技术相比，本方案中，作为分类问题的特征的协方差依据特定的像素点的灰度值获得，有效利用了待识别图像的空间信息，因此，提高了手写体数字的识别准确性。

公开(公告)号：CN103218613B

公开(公告)日：2016-04-20

申请号：CN201310123085.8

申请日：2013-04-10

Applicant: 苏州大学

Inventor： 张莉 ,  周伟达 ,  王晓乾 ,  何书萍 ,  王邦军 ,  杨季文 ,  李凡长

IPC: G06K9/20

Abstract: 本发明公开了一种手写体数字识别方法及装置。该手写体数字识别方法，包括：确定待识别图像；依据像素点的灰度值，确定该待识别图像中的特定的像素点的至少三种像素特征；依据该特定的像素点的至少三种像素特征，分别确定该待识别图像的相应协方差；分别计算该待识别图像的每一协方差与预设的训练图像集合所包含每一类数字类别标签相应的李群均值之间的距离；分别将为该待识别图像的每一个协方差所确定出的多个距离中的最小距离所对应数字类别标签确定为备用数字类别标签；将该备用数字类别标签中个数最多的数字类别标签确定为待识别图像中的待识别数字类别标签。可见，通过利用本方案，可以有效提高手写体数字的识别准确性。

公开(公告)号：CN102722713B

公开(公告)日：2014-07-16

申请号：CN201210041116.0

申请日：2012-02-22

Applicant: 苏州大学

Inventor： 张莉 ,  王晓乾 ,  杨季文 ,  何书萍 ,  李凡长

IPC: G06K9/62

Abstract: 本发明实施例提供一种基于李群结构数据的手写体数字识别方法及系统。所述方法从原始的手写体数字图像数据中提取对应的李群结构数据，通过构造矩阵高斯核函数，利用支持向量机算法训练出分类器模型，将待测手写体数字图像数据对应的李群结构数据，分别输入到训练得到的分类器模型中，得到对应的数字类别，从而对待测手写体数字图像数据对应的李群结构数据进行非线性特征的捕获，更好的实现了手写体数字识别。

公开(公告)号：CN103164701A

公开(公告)日：2013-06-19

申请号：CN201310123349.X

申请日：2013-04-10

Applicant: 苏州大学

Inventor： 何书萍 ,  张莉 ,  王晓乾 ,  王邦军 ,  杨季文 ,  李凡长

IPC: G06K9/20

Abstract: 本发明公开了一种手写体数字识别方法及装置。该手写体数字识别方法，包括：确定待识别图像，该待识别图像中包含手写体形式的待识别数字类别标签；依据像素点的灰度值，确定该待识别图像中的特定的像素点的像素特征；依据该特定的像素点的像素特征，确定该待识别图像的协方差；基于李群KNN算法，依据预设的训练图像集合中的各训练图像的协方差和该待识别图像的协方差，确定该待识别图像的近邻标签集；将该近邻标签集中个数最多的数字类别标签确定为该待识别数字类别标签。可见，与现有技术相比，本方案中，作为分类问题的特征的协方差依据特定的像素点的灰度值获得，有效利用了待识别图像的空间信息，因此，提高了手写体数字的识别准确性。

公开(公告)号：CN102722713A

公开(公告)日：2012-10-10

申请号：CN201210041116.0

申请日：2012-02-22

Applicant: 苏州大学

Inventor： 张莉 ,  王晓乾 ,  杨季文 ,  何书萍 ,  李凡长

IPC: G06K9/62

Abstract: 本发明实施例提供一种基于李群结构数据的手写体数字识别方法及系统。所述方法从原始的手写体数字图像数据中提取对应的李群结构数据，通过构造矩阵高斯核函数，利用支持向量机算法训练出分类器模型，将待测手写体数字图像数据对应的李群结构数据，分别输入到训练得到的分类器模型中，得到对应的数字类别，从而对待测手写体数字图像数据对应的李群结构数据进行非线性特征的捕获，更好的实现了手写体数字识别。