Java OCR算法改进

我正在创建一个基于Java的OCR。我的目标是从视频文件中提取文本（后处理）

这是一个艰难的搜索，试图找到纯粹在Java上工作的免费开源OCR。我发现Tess4J是唯一流行的选项，但考虑到对本机接口的需要，我不知何故倾向于从头开始开发算法

我需要创建一个可靠的OCR，能够以合理的精度正确识别英文字母（仅计算机化字体，而非手写文本），因为视频帧中的文本区域是预定义的。我们也可以假设文本的颜色是给定的

到目前为止我所做的：

（使用openCV的Java绑定完成所有图像处理）

我提取了用于训练分类器的特征，使用：

A.将字符图像下采样至12 X 12分辨率后的像素强度。（144个特征向量）

B.对8个不同角度（0、11.25、22.5…等）进行Gabor小波变换，并使用所有这些角度的信号均方值计算能量。（8个特征向量）

A+B给出了图像的特征向量。（共152个特征向量）

我有62个分类班，即。0,1,2…9 | a，b，c，d…y，z | a，b，c，d…y，z

我使用20 x 62个样本（每个类20个）训练分类器

对于分类，我使用了以下两种方法：

A.具有1个隐藏层（120个节点）的ANN。输入层有152个节点，输出层有62个节点。隐层和输出层具有sigmoid激活功能，网络采用弹性反向传播进行训练

B.整个152个尺寸的kNN分类

我的立场：

到目前为止，k-最近邻搜索是比神经网络更好的分类器。然而，即使使用kNN，我发现很难对字母进行分类，如： 或者

此外，它还被归类为Z。。。仅举几个反常现象

我在找什么：

我想了解以下情况：

为什么安表现不佳？我应该使用什么样的网络配置来提高性能？我们是否可以微调ANN，使其性能优于kNN搜索

我还可以使用哪些其他特征向量使OCR更加健壮

---

欢迎对性能优化提出任何其他建议。

对于特征向量：您是否规范化了强度？也许可以使用直方图均衡化

---

分类：看一看。这是一种将高维特征简化为更容易聚类的二维平面的随机方法。

kNN算法与神经网络不同，不需要太多调整，因此可以轻松获得良好的性能，但多层感知器的性能可能优于kNN。目前，我认为使用深度学习可以达到最佳效果，您应该以卷积神经网络为例

来自维基百科：

一个CNN由一个或多个完全相同的卷积层组成 连接层（与典型人工神经网络中的层匹配） 网络）在顶部。它还使用绑定权重和池层。这 体系结构允许CNN利用 输入数据。与其他深层架构相比，卷积 神经网络在这两方面都开始显示出优越的效果 和语音应用。他们还可以接受标准培训 反向传播。CNN比其他常规、深度、， 前馈神经网络，并且具有更少的参数 评估，使其成为一个极具吸引力的体系结构

说到MLP，有很多算法可以搜索更好的参数，例如网格搜索或群优化。我喜欢使用遗传算法来调整神经网络的参数，它非常简单，并产生良好的性能

我推荐您，一个很好的java遗传算法框架，可以开箱即用：）

以下是JGAP对遗传算法的介绍，它比我的任何介绍都要好：

遗传算法（GA）是通过 自然选择的过程。他们从一组样本开始 潜在的解决方案，然后朝着一组更优化的方向发展 解决。在样本集中，较差的解决方案往往会消亡 当更好的解决方案匹配并传播其优势时 特性，从而在集合中引入更多的解决方案 更大的潜力（集合总大小保持不变；对于每个新的 添加解决方案后，将删除旧的解决方案）。一点随机变异会有所帮助 确保一个集合不会停滞，只需填满大量 相同解决方案的副本

一般来说，遗传算法往往比传统算法工作得更好 优化算法，因为它们不太可能被引入歧途 通过局部最优。这是因为他们没有利用单点 从解决方案中的单个实例移动的转换规则 空间到另一个。相反，GA利用了一整套 解决方案遍布整个解决方案空间，所有这些都是 对许多潜在的优化进行实验

然而，为了使遗传算法有效地工作，有几个 必须满足以下标准：

评估潜在解决方案的“好”程度必须相对容易 是相对于其他潜在的解决方案

必须能够将潜在的解决方案分解为离散的部分 这可以独立变化。这些部分成为大脑中的“基因” 遗传算法

最后，遗传算法最适合于 “好”的答案就足够了，即使它不是绝对最好的答案

---

神经网络应该比KNN搜索更出色，而且不会出一身冷汗