[论文解读] A comparative study of different feature sets for recognition of handwritten Arabic numerals using a Multi Layer Perceptron

Nibaran Das, Ayatullah Faruk Mollah+2 more|arXiv (Cornell University)|Mar 9, 2010

Handwritten Text Recognition Techniques参考文献 5被引用 4

一句话总结

本文使用多层感知机（MLP）分类器，评估了七种特征集——包括阴影特征、象限质心、最长运行长度和动态重心——在手写阿拉伯数字识别中的表现。在3,000个样本的数据集上，最高识别率为95.80%，采用两种特征组合实现：阴影特征与质心特征（88个特征）以及阴影特征、质心特征与最长运行长度特征（124个特征），前者因维度更低而更适用于OCR应用。

ABSTRACT

The work presents a comparative assessment of seven different feature sets for recognition of handwritten Arabic numerals using a Multi Layer Perceptron (MLP) based classifier. The seven feature sets employed here consist of shadow features, octant centroids, longest runs, angular distances, effective spans, dynamic centers of gravity, and some of their combinations. On experimentation with a database of 3000 samples, the maximum recognition rate of 95.80% is observed with both of two separate combinations of features. One of these combinations consists of shadow and centriod features, i. e. 88 features in all, and the other shadow, centroid and longest run features, i. e. 124 features in all. Out of these two, the former combination having a smaller number of features is finally considered effective for applications related to Optical Character Recognition (OCR) of handwritten Arabic numerals. The work can also be extended to include OCR of handwritten characters of Arabic alphabet.

研究动机与目标

• 评估多种特征集在手写阿拉伯数字识别中的有效性。
• 确定使用多层感知机实现高精度识别的最佳特征组合。
• 确定简化后的特征集是否能在实际OCR应用中保持高识别性能。
• 探索该方法向阿拉伯文字字符识别扩展的潜力。

提出的方法

• 从手写阿拉伯数字图像中提取了七种不同的特征集：阴影特征、象限质心、最长运行长度、角度距离、有效跨度、动态重心及其组合。
• 使用包含3,000个手写阿拉伯数字样本的数据集，对多层感知机（MLP）分类器进行训练和测试。
• 通过交叉验证评估特征组合的性能，以衡量识别准确率。
• 通过测试集上的识别率来衡量每种特征集的性能表现。
• 最终选择优先考虑准确率和特征数量，倾向于选择紧凑但高效的特征组合。

实验结果

研究问题

• RQ1 使用MLP分类器时，哪种特征集能为手写阿拉伯数字识别提供最高的识别准确率？
• RQ2 组合特征集与单一特征集在识别性能方面有何差异？
• RQ3 能否通过减少特征集在保持高准确率的同时提升OCR系统的计算效率？
• RQ4 在此分类任务中，特征维度与识别率之间最优平衡点为何？

主要发现

• 最高识别率95.80%由两种特征组合实现：阴影特征与质心特征（88个特征），以及阴影特征、质心特征与最长运行长度特征（124个特征）。
• 阴影特征与质心特征的组合在准确率与特征数量之间实现了最佳平衡，因此最适用于实际OCR应用。
• 引入最长运行长度特征虽略有提升性能，但显著增加了维度，降低了计算效率。
• 在单一特征集中，阴影特征和象限质心对识别准确率的贡献最为显著。
• 结果表明，混合特征集在此识别任务中优于单一特征方法。
• 本研究证明了通过精心选择特征，基于MLP的分类方法在手写阿拉伯数字识别中具有可行性。