18、文档图像语言分类与植物表型分析技术研究

文档图像语言分类与植物表型分析技术研究

1. 文档图像语言分类技术

1.1 特征提取方案

在文档图像语言分类领域，有多种特征提取方法，其特征向量大小各有不同，具体如下表所示：
|序号|特征提取方法|特征向量大小|
| ---- | ---- | ---- |
|1|旋转不变局部二值模式（Rotation invariant LBP）|640|
|2|方向梯度直方图特征（HOG features）|324|
|3|多分辨率HOG特征（Multi - resolution HOG features (DWT + HOG)）|256|
|4|64×64单元大小的提出特征（Proposed features with 64 × 64 cell size）|1296|
|5|128×128单元大小的提出特征（Proposed features with 128 × 128 cell size）|144|

从这些数据可以推测，不同的特征提取方法所产生的特征向量大小差异较大，这可能会影响后续分类器的处理效率和分类效果。例如，特征向量越大，可能包含的信息越丰富，但也可能增加计算复杂度。

1.2 分类器对比结果

使用K - NN和SVM两种分类器对提出的特征进行测试，在包含卡纳达语、马拉地语、泰卢固语、印地语和英语五种语言的1006个文档图像数据库上进行实验，结果如下：

K - NN分类器结果

序号	语言	旋转不变局部二值模式（