基于多重几何特征和CNN的脱机手写算式识别
针对中小学数学课堂中具有复杂二维空间结构的手写算式,提出了一种基于多重几何特征和卷积神经网络(CNN)的脱机手写算式识别的解决方案.首先,基于CNN分类算法,对图像预处理后的单个手写字符进行识别;然后,利用几何特征,如宽高比、质心坐标、质心偏移角度、中心偏移量、水平重叠区间比等,识别具有复杂空间结构的小数、分数、指数、根式等常见手写算式,并采用分治算法完成由以上算式组合嵌套的复合算式识别;最后,设计并实现脱机手写算式识别系统.实验结果表明:在满足一定光照条件下,该方案对不同分辨率、含噪声图像的手写算式识别率可达90.43%,具有一定的应用价值.
图像预处理、卷积神经网络、几何特征、手写算式识别
29
北京市自然科学基金4153058
2020-09-09(万方平台首次上网日期,不代表论文的发表时间)
共9页
271-279