搜索资源列表
LJReco
- 一个联机手写数字识别实例，可以对正规手写体阿拉伯数字进行识别。-a number of on-line handwriting recognition example, the informal handwritten Arabic identification.
shibie
- 手写阿拉伯数字识别：手写阿拉伯数字识别是图像内容识别中较为简单的一个应用领域，原因有被识别的模式数较少（只有0~9，10个阿拉伯数字）、阿拉伯数字笔画少并且简单等。手写阿拉伯数字的识别采用的方法相对于人脸识别、汉字识别等应用领域来说可以采用更为灵活的方法，例如基于规则的方法、基于有限状态自动机的方法、基于统计的方法和基于神经网络的方法等。目前比较流行的方法是基于神经网络的方法和基于统计的方法，但无论使用哪种方法，也需要通过基本的图像处理技术来对图像进行预处理，才能获得这些方法的输入信息。所以，本
up_211113094CF5E08
- 基于SVM的手写体阿拉伯数字识别，讲的很详细-SVM-based recognition of handwritten Arabic numerals, speak in great detail
ex13_061221015
- 1)实现手写阿拉伯数字的识别。 2)读入测试图象，鼠标选中相应区域，输出区域中的数字值。-1) to achieve the recognition of handwritten Arabic numerals. 2) read the test images, the mouse to select the appropriate region, the output of the digital value of the region.
PatternRecognition
- 图象处理 模式识别 多种分类方法(最临近匹配分类器、Bayes分类器、线性函数分类、非线性函数分类、神经网络分类)识别0-9数字 手写数字与数字图片,包括设计训练样品库、可以选择多种分类器来识别识别0-9这十个阿拉伯数字，包括临时手写的数字，也包括图片中的数字 -Pattern recognition image processing a variety of classification (the most close to matching classifier, Bay
handwrite-number-recognition
- 手写数字识别是“光学字符识别技术”（简称OCR）的一个分支，它研究的对象是：如何利用电子计算机自动辨认人手写在纸张上的阿拉伯数字。它包含样本图片，可以对图片进行预处理，特征提取，还可以给出网络训练的误差指数曲线图-How to use electronic computer automatically recognized people handwritten on paper Arabic numerals.It contains sample pictures, pictures can
jiangcheng
- 模式识别中的奖惩算法，比如手写一个阿拉伯数字，用奖惩算法使机器识别这个数字是多少。-Reward and punishment in the pattern recognition algorithm, such as handwritten Arabic numerals, the machine to identify that this is the number of rewards and punishments algorithm.
rec
- 脱机手写阿拉伯数字识别程序代码,本程序在MATLAB7.0下运行-Off-line handwritten Arabic numerals to identify code
handwritten-numeral-recognition
- 本案例描述了图像中手写阿拉伯数字的识别过程，对手写数字识别的基于统计的方法进行简要介绍和分析，并通过开发一个小型的手写体数字识别系统来进行实验。手写体数字识别系统需要实现手写数字图像的读取功能、特征提取功能、数字的模板特征库的建立功能及识别功能-This case describes the image recognition process handwritten Arabic numerals, a brief descr iption and analysis of the handwri
Character_Recognition
- 本程序主要参照论文，《基于OpenCV的脱机手写字符识别技术》实现了，对于手写阿拉伯数字的识别工作。识别工作分为三大步骤：预处理，特征提取，分类识别。预处理过程主要找到图像的ROI部分子图像并进行大小的归一化处理，特征提取将图像转化为特征向量，分类识别采用k-近邻分类方法进行分类处理，最后根据分类结果完成识别工作。 程序采用Microsoft Visual Studio 2010与OpenCV2.4.4在Windows 7-64位旗舰版系统下开发完成。并在Windows xp-32位系统下测试