《表2 不同特征提取方案下字符的识别率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多层特征融合的名片字符识别方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从图7可以看出，当采样点的个数为奇异值的前10个的时候识别率较高。从表1可知，在提取分块Gabor特征的基础上，使用LDA降维还能够提高字符的识别率，原因是LDA能够计算出类间离散度与类内离散度之比达到最优时的特征投影轴，在降低维数的同时，使不同字符的特征向量之间的距离更远，相同字符的特征向量之间的距离更近，从而获取更具有鉴别能力的特征，它们对应着字符图像中重要的局部特征。因此，采用分块Gabor特征和奇异值的前10个特征值按照第2节所述的方法进行特征融合。不同特征提取方案下字符的识别率如表2所示。