Image processing 支持向量机在字符和数字识别中的应用_Image Processing_Svm_Libsvm_Feature Detection_Feature Extraction

Image processing 支持向量机在字符和数字识别中的应用

image-processing

Image processing 支持向量机在字符和数字识别中的应用,image-processing,svm,libsvm,feature-detection,feature-extraction,Image Processing,Svm,Libsvm,Feature Detection,Feature Extraction,为了科学研究和与其他一些方法进行比较，我在一张图像上进行字符和数字识别这是原始图像经过一些处理后，我的最终图像变成这样我已经手动裁剪了绘画中的所有角色 , 现在我想在这张单张图像上做SVM来检测那些字符我也有二进制格式的图像，比如 0 八, H 我的问题是，因为我将在特定图像中使用此方法，这意味着不会有任何旋转或透视问题。我可以用libsvm训练这些角色并进行匹配吗？或者，在对libsvm进行匹配之前，我是否必须执行某种特征提取方法，例如SIFT、SURF、FAST等附言：一份关

为了科学研究和与其他一些方法进行比较，我在一张图像上进行字符和数字识别

这是原始图像

经过一些处理后，我的最终图像变成这样

我已经手动裁剪了绘画中的所有角色

现在我想在这张单张图像上做SVM来检测那些字符
我也有二进制格式的图像，比如
0
八,
H
我的问题是，因为我将在特定图像中使用此方法，这意味着不会有任何旋转或透视问题。我可以用libsvm训练这些角色并进行匹配吗？或者，在对libsvm进行匹配之前，我是否必须执行某种特征提取方法，例如SIFT、SURF、FAST等

附言：一份关于libsvm的真正好的文档也将不胜感激
使用数字识别的MNIST数据库的工作开始于将每个数字块转换为单列向量，并使用这些作为特征向量输入到神经网络进行训练。然而，我也看到了这一点也适用于支持向量机，但如果您希望它对缩放、旋转等具有鲁棒性，那么您的训练框架将需要更多的数字。请尝试从MNIST获取数据，并使用这些数字训练分类器，然后，将您在图像中检测到的内容作为分类器的输入进行分类：。@rayryeng嘿，既然我要在这张特殊图像上使用SVM，我就不能裁剪这些字符并对其进行训练吗？当然可以，但您需要每个字符中的多个来分类输入的字符。你不能只使用一个数字或字母一个图像。它不够精确。@rayreng你能给我推荐一个关于libsvm分类的好教程吗？文档本身不够好。当然！我在路上工作，所以我会把我的意见改成答案，同时告诉你我怎么进去。顺便说一句，你使用哪种语言？
0000000000000000000000 0000000000001000000000 0000000111111110000000 0000011111111111100000 0001111111111111110000 0011111111111111111000 0011111111111111111100 0011110000000011111111 0011110000000001111111 0111100000000000011111 0111100000000000011111 0111000000000000011111 1111000000000000011111 1111000000000000001111 1111000000000000001111 1111000000000000001111 1111000000000000001111 1111000000000000011111 1111000000000000011111 1111000000000000011111 1111000000000000011111 1111000000000000011110 1111000000000000011110 0111100000000000111110 0111100000000000111100 0111110000000011111100 0111111111001111111100 0011111111111111111000 0011111111111111111000 0011111111111111110000 0000111111111111000000 0000000111111100000000 0000000000010000000000 0000000000000000000000

0000000000000000000000 0000000000100000000000 0000011001111000000000 0000111111111111000000 0001111111111111111000 0011111110000011111110 0011111100000000111111 0111111000000000011111 0111100000000000001111 0111100000000000001111 0111100000000000000111 0111100000000000000111 0111100000000000000111 0111110000000000011110 0011111111111111111110 0011111111111111111110 0011111111111111111100 0011111111111111111100 0011111111111111111100 0011111111110011111100 0011111100000011111100 0011111000000000111100 0011111000000000111100 0011111000000000111110 0011111000000000111110 0011111100000000111110 0001111100000001111100 0001111111111111111000 0000111111111111110000 0000111111111111100000 0000011111111111000000 0000000011111110000000 0000000000000000000000 0000000000000000000000

001000000000000000001100 011000000000000000001110 011100000000000000011110 011100000000000000011110 011110000000000000011110 011110000000000000011110 111110000000000000011110 111110000000000000011110 011110000000000000011110 011110000000000000011110 011111111111001111111110 011111111111111111111110 011111111111111111111110 011111111111111111111110 011111111111111111111110 011111111111111111111110 011111111100000001111110 001111000000000000111110 001111000000000000011110 001111000000000000011110 001110000000000000011100 001110000000000000011100 001110000000000000011100 000110000000000000011100 000110000000000000011100 000110000000000000001100 000110000000000000000000