專利名稱：基于紋理分析的字體和筆跡識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明提出了一種字體和筆跡識(shí)別的新方法，它不需要進(jìn)行局部分析。這種方法的要點(diǎn)在于使用紋理分析提取全局的特征。一塊印刷體文字或筆跡可以看作包含某種特定的紋理。空間的頻率和相位代表了這些紋理的特征。本方法就是根據(jù)這些紋理特征來識(shí)別字體和筆跡的。字體或筆跡識(shí)別的問題是一個(gè)典型的模式識(shí)別問題。
目前的字體、筆跡識(shí)別方法大多需要對(duì)文檔進(jìn)行分割或進(jìn)行局部的字符關(guān)聯(lián)部分的分析，也就是基于局部特征的分析，這都是與內(nèi)容相關(guān)的方法。但對(duì)于不同的字符集，例如漢語和阿拉伯語，分割的方法并不相同。這種需要字符集先驗(yàn)知識(shí)的字符集識(shí)別方法效果不夠理想。另外，手寫字符的分割目前仍然是十分困難的問題，目前還沒有很好的解決方法。
目前幾乎所有的OCR技術(shù)都需要事先知道被識(shí)別的字符種類，然后采用相應(yīng)處理。通常的解決辦法是先用人來識(shí)別字符的種類，如語種，再選擇相應(yīng)的OCR軟件。由于這種系統(tǒng)處理過程需要人為的參與，顯然不夠理想。又如近年來，在圖象處理和模式識(shí)別領(lǐng)域，簽名筆跡的識(shí)別是一個(gè)非常活躍的研究課題。它為保安以及相關(guān)領(lǐng)域提供了一種識(shí)別簽名的方法。但簽名的鑒別有一個(gè)局限，它要求被識(shí)別筆跡的人每次書寫相同的內(nèi)容。但是，在實(shí)際應(yīng)用中，書寫固定的內(nèi)容使簽名容易被偽造，而且不適合許多重要的場合。例如，識(shí)別手稿的作者，鑒別嫌疑犯的筆跡等等。
本發(fā)明的目的在于為了獲得良好的識(shí)別效果，利用圖像的紋理信息，從整體上進(jìn)行處理。它應(yīng)用一種與內(nèi)容無關(guān)的方法，不需要進(jìn)行字符分割。
本發(fā)明的技術(shù)要點(diǎn)如圖1所示，由以下三部分構(gòu)成1)預(yù)處理部分由于被識(shí)別的圖象中字符間距，大小有可能存在差異，為了進(jìn)行紋理分析，首先需要將圖象進(jìn)行歸一化，得到一個(gè)統(tǒng)一的紋理塊。使行距，字符大小達(dá)到一致。同時(shí)， 如果圖象中包含的字符很少，需要將這些字符拼接成一個(gè)指定大小的文本塊。
2)紋理特征的提取本發(fā)明采用多通道Gabor濾波取得了較好的效果。特定的取樣頻率和空間的方向的一對(duì)奇、偶Gabor濾波器構(gòu)成一個(gè)通道。根據(jù)不同的應(yīng)用對(duì)象，選擇不同的通道組合。以濾波后圖象的均值和方差作為每個(gè)通道的特征，這樣，N個(gè)通道共抽取2N個(gè)特征，它們就代表輸入圖象的紋理特征。
3)分類器的設(shè)計(jì)采用加權(quán)距離的方法，權(quán)重為特征的方差倒數(shù)。系統(tǒng)的原始輸入，即未知字體或筆跡和用來訓(xùn)練的字體或筆跡分別經(jīng)過預(yù)處理得到一塊標(biāo)準(zhǔn)化的圖象，即紋理圖像。然后經(jīng)過特征提取，即用多通道Gabor濾波器提取這些標(biāo)準(zhǔn)化圖象，即紋理圖象的特征。加權(quán)歐氏距離分類器用來完成模式匹配，識(shí)別出字體來。
1.預(yù)處理產(chǎn)生標(biāo)準(zhǔn)化的圖象塊，以字體識(shí)別為例，如圖2所示(1)原始輸入圖像，其中包含不同大小的空格和字符(2)預(yù)處理后的圖像原始的輸入是一個(gè)二值圖像。其中可以包含不同大小的字符和空白。為了進(jìn)行紋理的特征提取，輸入文檔需要進(jìn)行歸一化以形成具有統(tǒng)一紋理的圖像。圖像的預(yù)處理部分如圖3所示包含四個(gè)步驟1)行與字符的定位先計(jì)算出輸入圖像在水平方向上的投影曲線。曲線上位于兩個(gè)相鄰峰值之間的波谷對(duì)應(yīng)與兩行之間的空白。兩個(gè)波谷之間的距離對(duì)應(yīng)于一行字的高度。行定位完成以后，對(duì)于每一行文字，計(jì)算出它在垂直方向上的投影，采用與行定位相似的方法，可以得到每個(gè)字符的寬度以及他們之間的間隔。2)字符大小的歸一化在同一幅輸入圖像中，字符的大小會(huì)有很大變化。為了形成統(tǒng)一的紋理，將字符的大小歸一化到相同的尺寸。3)空白的歸一化一篇文檔的字與字，行與行之間可能包含大小不同的空白，這些空白對(duì)與字體識(shí)別來說是沒有意義的，但是卻會(huì)影響到圖像的紋理，所以必須進(jìn)行空白部分的歸一化。本發(fā)明使用水平和垂直投影來實(shí)現(xiàn)。4)字塊的拼貼在某些情況下，輸入的圖像可能是含有很少量的字符以至于無法直接進(jìn)行紋理分析。因此，從少量的字符產(chǎn)生一塊具有統(tǒng)一紋理的圖像的過程是很重要的。本發(fā)明用拼接的方法把少量的文字拼成所需要大小的紋理圖像。
2.特征提取本發(fā)明采用多通道Gabor濾波的方法來提取紋理的特征。1)Gabor濾波器多通道Gabor濾波對(duì)于紋理圖像的分析具有很好的效果。復(fù)數(shù)卷積形式的二維Gabor函數(shù)具有以下一般表達(dá)式(j＝
)h1(x，y)＝g(x，y)·exp[j·2πf(xcosθ+ysinθ)](1)h2(x，y)＝g(x，y)·exp[-j·2πf(xcosθ+ysinθ)]其中g(shù)(x,y)=12πσ2·exp[-x2+y22σ2].....(2)]]>它們的頻域形式是H1(u，v)＝exp{-2π2σ2[(u-fcosθ)2+(v-fsinθ)2]}(3)H2(u，v)＝exp{-2π2σ2[(u+fcosθ)2+(v+fsinθ)2]}其中f、θ和σ分別是Gabor函數(shù)的空間頻率、方向以及空間常數(shù)。本發(fā)明使用的是二維Gabor濾波器對(duì)，它的數(shù)學(xué)形式是he(x,y)=[h1(x,y)+h2(x,y)2]=g(x,y)·cos[2πf(xcosθ+ysinθ)]...(4)]]>h0(x,y)=[h1(x,y)-h2(x,y)2j]=g(x,y)·sin[2πf(xcosθ+ysinθ)]]]>其中he和ho分別表示奇對(duì)稱和偶對(duì)稱的Gabor濾波器。(4)所表示的Gabor函數(shù)的頻率響應(yīng)是He(u,v)=[H1(u,v)+H2(u,v)]2]]>H0(u,v)=[H1(u,v)-H2(u,v)]2j---(5)]]>f、θ和σ是本發(fā)明所使用的Gabor濾波器中的三個(gè)重要的參數(shù)，它們的物理意義如圖4所示。表示了偶對(duì)稱的Gabor濾波器的頻率響應(yīng)。從圖中可以看出，偶Gabor函數(shù)的頻率響應(yīng)是關(guān)于坐標(biāo)原點(diǎn)具有π相位差的。方向參數(shù)θ對(duì)應(yīng)與Gauss的相位角。2)濾波器設(shè)計(jì)在本發(fā)明中，每一對(duì)Gabor濾波器對(duì)應(yīng)于一個(gè)特定的空間頻率和方向。特征提取同時(shí)抽取頻率信息和方向信息。
由于本發(fā)明使用的Gabor濾波器在頻域內(nèi)是成180°相位差的，所以只要在0°-180°內(nèi)選擇相位參數(shù)θ即可。本發(fā)明選擇四個(gè)相位參數(shù)θ0°、45°、90°和135°。對(duì)于每一個(gè)相位角，中心頻率按照等對(duì)數(shù)關(guān)系間隔開來。針對(duì)不同的問題，中心頻率的選擇稍有不同。
字體識(shí)別時(shí)，為了取得良好的效果，對(duì)于一幅大小為N×N的圖像，中心頻率f的選擇范圍為f≤N/4。具有越小中心頻率的濾波器提取的是越大尺度的空間紋理信息。在本發(fā)明中，輸入圖像的大小是128×128，對(duì)應(yīng)于每一個(gè)相位角θ，可選取4、8、16、32作為中心頻率。Gabor通道的空間常數(shù)σ決定了通道的帶寬。在本方法中，σ與通道的中心頻率成反比。這樣總共有16個(gè)Gabor通道，如圖5所示。這樣的選擇可以滿足字體識(shí)別的要求。
筆跡識(shí)別時(shí)，為了取得良好的效果，對(duì)于一幅大小為N×N的圖像，中心頻率f的選擇范圍為f≤N/2。具有越小中心頻率的濾波器提取的是越大尺度的空間紋理信息。實(shí)驗(yàn)表明，對(duì)應(yīng)于很低中心頻率的濾波器在筆跡鑒別中用處不大，這是因?yàn)樗鼈兲崛】臻g的變化信息對(duì)應(yīng)的是大尺度的紋理，不能反映出筆跡的特點(diǎn)。
多通道Gabor濾波技術(shù)進(jìn)行特征提取的流程如圖6所示輸入的紋理圖像經(jīng)過每個(gè)Gabor濾波通道后得到一幅濾波后的圖像，對(duì)于每幅濾波后的圖像，求出其均值和均方差，作為該通道提取的紋理特征。這樣，一幅紋理圖像中總共提取出32個(gè)特征。它們組成了一個(gè)32維的特征向量。3.分類器設(shè)計(jì)獲得特征向量以后，字體或筆跡鑒別的問題就是一個(gè)典型的模式匹配識(shí)別問題。理論上，可以使用任何一種分類器。本發(fā)明采用的是加權(quán)歐氏距離分類器來進(jìn)行識(shí)別，如圖7所示把輸入的未知模式的樣本的特征向量同訓(xùn)練好的已知模式的特征向量相比較，輸入的未知模式樣本被分作第k類模式當(dāng)且僅當(dāng)它的特征向量與第k類模式的特征向量的加權(quán)歐氏距離最小WED(k)=Σi=1N(fi-fi(k))2(δi(k))2...(6)]]>其中，fi表示未知樣本的第i個(gè)特征，
和
分別表示第k類樣本的第i個(gè)特征的均值和方差，N表示每個(gè)樣本所提取的特征總數(shù)，k的取值范圍是k＝1，2，...，N。
本發(fā)明提出了一種筆跡和字體識(shí)別的新方法。與許多現(xiàn)有的方法不同的是，該方法是基于全局紋理特征而且是與內(nèi)容無關(guān)的。本方法的優(yōu)點(diǎn)在于以下幾方面
1)本方法是一種與內(nèi)容無關(guān)的方法，所以訓(xùn)練樣本和識(shí)別樣本可以是完全不同的，另一方面，它又是與語種無關(guān)的，中文、英文，都可以識(shí)別。
2)手寫字符的分割一直是很困難的問題，目前尚無很好的解決方法，而本方法基于全局紋理分析，不需要進(jìn)行字符的分割以及字符相關(guān)部分的分析，對(duì)字體識(shí)別也是如此。
3)理論上，任何紋理分析和識(shí)別的方法都可以用在這里。
4)對(duì)于包含很少文字量的輸入，預(yù)處理部分可以產(chǎn)生統(tǒng)一的紋理。
5)本方法的識(shí)別率很高，對(duì)于常用的24種中文字體(6種漢字字型，4種風(fēng)格)，以及32種英文字體(8種字型，4種風(fēng)格)，一共進(jìn)行了14,000個(gè)樣本的識(shí)別率達(dá)到98％以上。
6)本方法不涉及復(fù)雜的計(jì)算，易于在實(shí)際的系統(tǒng)中使用。綜上所述，新的方法可以有效的完成筆跡和字體的鑒別，具有良好的應(yīng)用前景。


圖1為基于紋理分析的字體、筆跡識(shí)別方法框2為輸入圖像和初始化后的圖像(1)原始輸入圖像，其中包含不同大小的空格和字符(2)預(yù)處理后的圖像圖3為預(yù)處理的流程4為偶對(duì)稱Gabor濾波器的頻率響應(yīng)圖5為進(jìn)行字體識(shí)別的多通道Gabor濾波器的頻率響應(yīng)(128×128)圖6為利用多通道Gabor濾波提取紋理特征的流程圖7為加權(quán)距離分類器圖8為基于紋理分析的字體識(shí)別系統(tǒng)圖9為六種常用的漢字字形(1)仿宋(2)黑體(3)宋體(4)幼圓(5)隸書(6)楷體圖10為不同Gabor濾波通道的組合下字形識(shí)別的實(shí)驗(yàn)結(jié)果圖中顯示的每種字形的識(shí)別率是它在四種風(fēng)格下識(shí)別率的平均。。均值和方差f＝4×均值和方差f＝8

均值和方差f＝16 △均值和方差f＝32* 均值和方差f＝4，8，16，32+ 均值f＝4，8，16，32·方差f＝4，8，16，32圖11為基于筆跡的身份鑒別系統(tǒng)圖12為原始筆跡輸圖像和預(yù)處理后的圖像(1)原始的輸入圖像，其中包含不同大小的空格和字符(2)預(yù)處理后的圖像實(shí)施例一塊包含文字的圖象，可以看作具有特定的紋理，這些不同紋理之間的差別取決于字符的密度以及筆畫的方向，它們正代表了字符集的特征。本方法利用的是圖像的紋理信息，從整體上進(jìn)行處理，采用標(biāo)準(zhǔn)的紋理分析。這是一種不需要進(jìn)行字符分割的的方法。實(shí)施中，可取得超過95％的正確率。
該算法的基本步驟如下1)預(yù)處理部分由于被識(shí)別的圖象中字符間距，大小有可能存在差異，為了進(jìn)行紋理分析，首先需要將圖象進(jìn)行歸一化，得到一個(gè)統(tǒng)一的紋理塊。使行距，字符大小達(dá)到一致。同時(shí)如果圖象中包含的字符很少，需要將這些字符拼接成一個(gè)指定大小的文本塊。這樣做的好處在于，對(duì)于含有很少字符的也可以進(jìn)行處理。
2)紋理特征的抽取原則上任何紋理特征抽取方法都可以完成對(duì)預(yù)處理后圖象的特征提取(比如多通道Gabor濾波方法，灰度相關(guān)矩陣(GSCM)方法等)。本發(fā)明用多通道Gabor濾波取得了較好的效果。
多通道Gabor濾波器抽取紋理特征特定的取樣頻率和空間的方向的一對(duì)奇、偶Gabor濾波器構(gòu)成一個(gè)通道。根據(jù)不同的應(yīng)用對(duì)象，本算法選擇多個(gè)頻率和多個(gè)方向進(jìn)行濾波。以濾波后圖象的均值和方差作為每個(gè)通道提取的特征，它們就代表了輸入圖像的紋理特征。
3)分類器的設(shè)計(jì)原則上任何分類器均可以對(duì)抽取的特征向量進(jìn)行識(shí)別。具體地，本發(fā)明采用加權(quán)距離的方法設(shè)計(jì)分類器，權(quán)重為特征的方差倒數(shù)。實(shí)施例1文檔自動(dòng)處理系統(tǒng)基于本發(fā)明的一種文檔自動(dòng)處理系統(tǒng)如圖8所示，普通文檔首先通過掃描儀變成數(shù)字圖像輸入到計(jì)算機(jī)，然后調(diào)用本發(fā)明的方法識(shí)別出文檔所使用的語言種類和字體，再根據(jù)識(shí)別的結(jié)果自動(dòng)選擇相應(yīng)的OCR軟件，識(shí)別出文檔的內(nèi)容，最后按識(shí)別的字體、語種和文檔的內(nèi)容進(jìn)行自動(dòng)排版，形成電子文檔。
用本發(fā)明對(duì)于6種常用的漢字字形(楷體、宋體、仿宋、黑體和幼圓)組合上它們的4種風(fēng)格(標(biāo)準(zhǔn)、粗體、斜體和粗斜體)，一共24種字體進(jìn)行了測試。首先將包含某種字體的文字掃描成黑白圖像輸入到計(jì)算機(jī)中，然后經(jīng)過預(yù)處理形成640×640的統(tǒng)一紋理圖像。再把該圖像分成25個(gè)互不重疊的大小為128×128的子圖像。對(duì)于每種字體，使用25個(gè)樣本訓(xùn)練，另外250個(gè)不同的樣本進(jìn)行測試。如圖9給出了6種常用的漢字字形。以圖8所示的程序進(jìn)行識(shí)別1)濾波通道的選擇為了研究Gabor通道中心頻率的選取對(duì)識(shí)別效果的影響，對(duì)不同的Gabor通道的組合進(jìn)行識(shí)別。圖10表現(xiàn)了Gabor濾波通道的選擇和字體識(shí)別率的關(guān)系。從中可以看出，沒有一種單一頻率的Gabor通道可以單獨(dú)完成字體識(shí)別的任務(wù)。當(dāng)使用全部32個(gè)特征或者全部16個(gè)通道(f＝4，8，16，32；θ＝0°，45°，90°，135°)的輸出均值時(shí)，獲得了最好的識(shí)別效果。所以，在下面的實(shí)驗(yàn)中，使用了全部的32個(gè)特征。2)不同字形和風(fēng)格的字體識(shí)別當(dāng)考慮字體的風(fēng)格時(shí)，得到了表1所示的識(shí)別結(jié)果。對(duì)于每種字形(楷體、宋體、仿宋、黑體和幼圓)和風(fēng)格(標(biāo)準(zhǔn)、粗體、斜體和粗斜體)組合而成的字體，進(jìn)行了250個(gè)樣本的測試。
表1字形和字體組合起來的字體識(shí)別率

從表中可以看出，所有的黑體和隸書樣本都被正確地識(shí)別出來。全部樣本的總識(shí)別率高達(dá)98.6％。斜體楷體字的識(shí)別率最低，為89.6％。3)字形的混淆表2是字形混淆矩陣。它的每一個(gè)元素〖ti，tj〗表示字形ti被劃分為形tj的百分比。矩陣的最后一列是每種字形的誤識(shí)率。該表表明，錯(cuò)誤的識(shí)別主要是由于仿宋體和楷體之間對(duì)稱的錯(cuò)誤分類造成的。事實(shí)上，由圖9的例子可以發(fā)現(xiàn)，這兩種字形看起來確實(shí)差別很小。
表2字形混淆矩陣

本發(fā)明可以用于OCR的預(yù)處理，它能夠解決印刷字體和語種的識(shí)別問題，使OCR系統(tǒng)真正實(shí)現(xiàn)自動(dòng)字符識(shí)別，自動(dòng)排版，提高識(shí)別的效率和準(zhǔn)確率。實(shí)施例2基于筆跡的身份鑒別系統(tǒng)把本發(fā)明用于身份鑒別系統(tǒng)如圖11所示，該系統(tǒng)由掃描儀，計(jì)算機(jī)和機(jī)電裝置組成。掃描儀用來把筆跡變成數(shù)字圖像輸入計(jì)算機(jī)，計(jì)算機(jī)中的識(shí)別方法識(shí)別出這些筆跡書寫者的身份。然后調(diào)用機(jī)電裝置完成相應(yīng)的操作，比如身份合法時(shí)，可以打開電子門鎖，允許進(jìn)入等等。
實(shí)施中用17個(gè)人的中文筆跡進(jìn)行測試。包含400個(gè)手寫漢字的筆跡在按黑白模式被掃描成一幅二值圖像輸入計(jì)算機(jī)。每幅這樣的圖像被裁成兩幅互不重疊的子圖像。一幅用來訓(xùn)練，另一幅用來鑒別。每一個(gè)子圖像又經(jīng)過預(yù)處理形成一幅大小為640×640的具有統(tǒng)一紋理的圖像。它被劃分成25個(gè)互部重疊的大小為128×128的圖像塊。圖12是原始輸入圖像和預(yù)處理后的圖像。
用本方法對(duì)各種不同的特征組合進(jìn)行實(shí)驗(yàn)，結(jié)果如表1所示。


表1利用多通道Gabor濾波及加權(quán)歐氏距離分類器的中文筆跡鑒別方法的實(shí)驗(yàn)結(jié)果。均值只使用均值；方差只使用標(biāo)準(zhǔn)差全部均值和方差；缺省是全部。f是Gabor通道的中心頻率。缺省是f＝2，4，8，16，32，64。
從上面的結(jié)果可以看出，本方法在使用全部特征時(shí)對(duì)于中文筆跡的鑒別具有很好的效果。實(shí)驗(yàn)表明，某些具有較低中心頻率(如f＝2)的Gabor通道對(duì)于中文筆跡鑒別沒有幫助。當(dāng)中心頻率選為f＝4，8，16，32，64時(shí)，得到了最高的識(shí)別率(95.7％)。事實(shí)上，僅使用部分通道也可以達(dá)到較好的效果，在只使用4個(gè)中心頻率的通道(f＝8，16，32，64)時(shí)，可以取得94.2％的識(shí)別率。
本發(fā)明具有廣泛的應(yīng)用價(jià)值，它可用于公安、金融、刑偵、考古，以及其他需要進(jìn)行身份確認(rèn)的領(lǐng)域。
權(quán)利要求
1.一種基于紋理分析的字體和筆跡識(shí)別方法，其特征在于把包含某種字體或者筆跡的文檔作為一種具有一定特征的紋理圖像來處理，也就是對(duì)原始輸入圖像進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)化的圖像即紋理圖像；然后進(jìn)行特征提取，即用多通道Gabor濾波器提取這些紋理圖像的特征；再對(duì)這些圖像的特征用加權(quán)歐氏距離分類器進(jìn)行模式匹配，則識(shí)別出字體或筆跡。
2.根據(jù)權(quán)利要求1所述的基于紋理分析的字體和筆跡識(shí)別方法，其特征在于預(yù)處理包含以下四個(gè)部分行與字符的定位，字符大小的歸一化，空白的歸一化，字塊的拼貼。
3.根據(jù)權(quán)利要求1所述的基于紋理分析的字體和筆跡識(shí)別方法，其特征在于特征提取用多通道Gabor濾波器提取紋理特征，每一對(duì)Gabor濾波器對(duì)應(yīng)于一個(gè)特定的空間頻率和方向，特征提取同時(shí)抽取頻率信息和方向信息，并選用頻率域成180°相位差的Gabor濾波器，只要在0°-180°內(nèi)選擇相應(yīng)參數(shù)θ即可；θ可選0°、45°、90°、135°；對(duì)于每一個(gè)相位角，中心頻率可按照等對(duì)數(shù)關(guān)系間隔開來；字體識(shí)別時(shí)，對(duì)于一幅N×N的圖像，中心頻率f的選擇范圍為f≤N/4。
4.根據(jù)權(quán)利要求3所述的基于紋理分析的字體和筆跡識(shí)別方法，其特征在于筆跡識(shí)別時(shí)，對(duì)于一幅大小為N×N的圖像，中心頻率f的選擇范圍為f≤N/2。
5.根據(jù)權(quán)利要求3所述的基于紋理分析的字體和筆跡識(shí)別方法，其特征在于多通道Gabor濾波器進(jìn)行特征提取的程序?yàn)檩斎爰y理圖像，經(jīng)過每個(gè)Gabor濾波通道后得到一幅濾波后的圖像，求出其均值和均方差，作為該通道提取的紋理特征。
6.根據(jù)權(quán)利要求1所述的基于紋理分析的字體和筆跡識(shí)別方法，其特征在于采用的加權(quán)歐氏距離分類器的權(quán)重為特征的方差的倒數(shù)，并把未知樣本的特征向量同已經(jīng)訓(xùn)練好的已知模式相比較，當(dāng)未知樣本的特征向量與第k類模式的特征向量之間的加權(quán)歐氏距離最小時(shí)，則輸入的未知樣本被識(shí)別為第k類模式。
全文摘要
基于紋理分析的字體和筆跡識(shí)別方法是一種對(duì)字體和筆跡識(shí)別的新方法。字體或筆跡識(shí)別技術(shù)屬于模式識(shí)別領(lǐng)域。本發(fā)明把包含某種字體或筆跡的文檔看作一種具有特定紋理的圖象,把字體、筆跡識(shí)別的問題作為紋理識(shí)別來處理。本方法提取和分析全局的紋理特征,它是一種與內(nèi)容無關(guān)的方法。本方法采用成熟的多通道2維Gabor濾波技術(shù)來提取這些紋理特征,使用加權(quán)歐氏距離分類器來進(jìn)行模式匹配。
文檔編號(hào)G06K9/00GK1271140SQ9910585
公開日2000年10月25日 申請(qǐng)日期1999年4月21日 優(yōu)先權(quán)日1999年4月21日
發(fā)明者譚鐵牛, 朱勇 申請(qǐng)人:中國科學(xué)院自動(dòng)化研究所