Классификация образцов образцов из файлов изображений

Question

Какой подход вы предложили бы для автоматического классификации типа, найденного в изображениях? Образцы, вероятно, большие, с черным текстом на белом фоне.

Категории указаны здесь, с некоторыми примерами на каждой (ссылка на Google Книги): http://bit.ly/9Mnu7P Это расширенная версия системы классификации VOX-ATypI.

Мои первоначальные мысли по этому поводу состояли в том, чтобы обучить систему множеством одиночных образцов символов из каждой категории, но мне интересно, есть ли лучший способ, который бы устранил необходимость проведения сравнения по одной букве за раз.

Answer 1

Во-первых, вам необходимо извлечь функции для классификации. Типичные шрифты обычно различаются по толщине линий, наличию засечек, «округлости» частей характера. Таким образом, возможны следующие возможности:

• Доля числа черных пикселей на фиксированной площади.
• Попробуйте применить математику морфологии erosion несколько раз (и/или использовать различные маски) и вычислить эту фракцию
• Compute средней компактность характера: периметр^2/площадь
• После нанесения эрозии, подсчитывает количество связные компоненты для символа
• Compute удлинение и другие image moments, а также направление
• и т.д.

Я вижу два варианта: либо вычисления означают FEA для всех символов или попробуйте сначала классифицировать буквы, а затем классифицировать шрифт на основе определенных букв (так что вы тренируете разный классификатор для другой буквы). Трудно сказать, какой из них лучше в вашем случае.

Как для конкретного алгоритма обучения, Random Forest, кажется, хорошее место для начала. В библиотеке OpenCV есть реализация.