模板匹配的字符识别(OCR)笔记

预处理：降噪、二值化

特征提取：

建立模板：匹配算法

1. 基于统计学去除 outlier 、基于中值或者均值滤波去除噪声

2. otsu、local binary（分块）、动态阈值

3. 偏斜度调整：基于背景扫描的方面，基于moment几何方法

4. 字符分割：连通域、区域增长

去outlier-去噪声-》二值化-》偏斜度-》连通域标记-》去除小的干扰块

特征提取的要求:

1. 保留字符的特征

2. 放缩不变性

3. 计算量小

4. 容易维护和提高

特征提取的方法:

1. moments不变特征: 几何矩，勒让德矩

2. 二值图像轮廓提取

3. 链式编码

匹配与识别方法：

基于距离：\( \Large dis = \sqrt{ \sum_{i = 0}^M (s_i - t_i ) ^2}\)

基于NCC模板匹配

KNN算法、动态规划、神经网络

视频链接：http://edu.csdn.net/course/detail/2280

reference: 

1. 《 数字图像处理 》 劳尔 . 冈萨雷斯

2. imageJ 开源项目源代码 – https://github.com/imagej/imagej

3. http://bigwww.epfl.ch/algorithms/bilateral-filter/

4. 本人图书 《Java 数据图像处理 - 编程技巧与应用实践 》

5. http://www.unc.edu/~ptyap/papers/IEEIPVIS2006_Yap_Content-Based_Image_Retrieval_Using_Legendre_Chromaticity_Distribution_Moments.pdf

6. http://mathworld.wolfram.com/LegendrePolynomial.html

7. http://courses.cs.washington.edu/courses/cse455/07wi/notes/Basics1.pdf

8. http://bigwww.epfl.ch/algorithms/ijplugins/resize/

9. http://imagej.nih.gov/ij/

10. An Efficient Method for the Computationof Legendre Moments - Pew- Thian Yap and Raveendran Paramesran , Member, IEEE

11. http://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/SHUTLER3/node10.html

12. http://www.codeproject.com/Articles/99457/Edge-Based-Template-Matching

13. https://digital.bsd.uchicago.edu/docs/Counting_objects_by_template_matching.pdf

14. http://imagej.nih.gov/ij/plugins/template-matching.html