基于距离分布直方图的数字识别算法

？由于自由字体与手写体数字形态的多变性，以往研究中具有较高准确率的算法往往牺牲了快速性，而具有实时性优势的算法却容易引起错误率的上升。针对这个问题，提出一种适用于快速数字识别的特征描述子——距离分布直方图(ddh)，并在形状上下文的基础上提出一种既易于实现又具一定鲁棒性的描述子——形状累积直方图(sah)；然后将上述两个特征与其他改进后的拓扑特征相结合，组成最终的多特征矢量，由于其子矢量是由不同方法提取出的独特的特征，因此具有互补性；与此同时，算法中用三种组合特征训练了三个支持向量机来作分类器，综合它们给出的结果和自信度来给出最后的分类结果。在自建数据集、mnist和usps数据集上的实验结果显示，平均正确率最高达到了99.21%，证明了算法的高效性和鲁棒性。