《2006_ICPR_Low Resolution Character Recognition by Image Quality Evaluation》阅读笔记

论文主要思想

这是一篇关于低质量字符图像识别的文章，这里的“低质量”指的是字符图像的分辨率低。
作者在文中指出，传统的（指的是2006年之前）低质量字符图像识别方法主要分为两类：第一类方法采用一些图像增强手段以及一些“先进的”二值化方法，来从低质量字符图像中提取出二值化图像，然后从二值化图像中提取出用来进行识别分类的特征，最后基于这些特征建立字符分类器；第二种方法则直接从低质量字符图像中提取分类特征，包括结构特征以及频率特征。作者认为，在利用第一种方法获取二值化字符图像时，一些字符的笔画要么会断开，要么会与其他笔画连在一起，从而导致信息的丢失，对识别带来不利的影响；第二种方法中的结构特征不适合用于识别低质量字符图像，而频率特征，如利用Gabor滤波器提取出的特征，在识别低分辨率字符图像时，会取得不错的效果。因此，作者利用Gabor滤波器直接从低分辨率的字符图像中提取用来分类的特征，从而实现对地分辨率字符图像的识别。
此外，作者认为，对于低质量字符图像，如果使用和它降质类型相同的字符图像库来训练分类器，那么可以取得很不错的识别结果。因此作者建立了一个用于评价字符图像分辨率等级的分类器，使用的评价特征为图像的灰度直方图，这里的分辨率等级包括：好、中等以及差着三种，然后用该分类器将训练样本化分成三类，最后用这三类样本分布建立一个字符分类器。那么对于一幅测试图像，首先利用分辨率等级分类器评级其对应的分辨率等级，然后将其输入到对应的字符分类器中，得到最终的识别结果，整个框架如下图所示（这里直接使用文中的原图）：