《表1 不同算法的正确分类率》

  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

《基于改进SURF特征与模糊推理的复杂图片中的文字识别》

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

实验1为了模拟实际情况下复杂图像中文本的倾斜度，测试本文方法的分类精度，选择标准文字数据库中每个汉字的4种字体组成训练集，形成文字类别数据库。如图3所示，训练集中的每个图像每1°顺时针和逆时针旋转以生成测试集。将训练集中的汉字图像分别倾斜1°～3°，得到共6幅汉字图像。表1列出了本文提出的方法及对比方法对测试集的识别率。从表1可以看出，当倾角较大时，网格特征的分类效果降低，HOG特征的识别率变化不大，本文提出的方法对于适度倾斜具有鲁棒性。为了测试各个算法的检测性能，本文以F度量作为评估算法性能的指标[23]，这里F度量是精度和召回率的调和平均数，权重α取0.5。如表2所示，本文的算法具有较好的检测性能，且取得了较高的F度量。