阅读论文，我很难理解所描述的算法：
给定手写样本的黑白数字图像，剪下一个字符进行分析。由于这可以是任何大小，算法需要考虑到这一点（如果它更容易，我们可以假设大小是2 ^ n x 2 ^ m）。
现在，描述说明了这个图像我们将它转换为512位特征（512位散列），如下所示：
（192位）通过将其与3x3 Sobel运算符进行卷积来计算图像的梯度。每个边缘的梯度方向被量化为12个方向。
（192位）结构要素生成器采用渐变映射并在邻域中查找梯度值的某些组合。 （用于计算表示图像中线条和角落的8个不同特征）
（128位）凹面生成器使用8点星形算子在4个方向，孔和滞后尺度笔划中找到粗凹度。
使用4x4网格对图像特征图进行标准化。
我现在正在努力学习如何拍摄任意图像，分成16个部分，并使用3x3 Sobel算子为每个部分提供12位。 （但如果您对其他部分有一些了解，请随时评论:)。
答案 0 :(得分：3)
斯里哈里等人正在努力研究同一篇论文。 （2002年）获得博士学位论文。我想说这篇文章不是很具体，但作者更多细节请参考技术报告（CEDAR-TR-01-1）。该报告似乎无法在互联网上访问，因此我的建议是通过电子邮件联系作者并要求提供此报告。如果问题不明确，您也可以要求澄清。
答案 1 :(得分：2)
我看到这个问题很老但也许它可以帮助某些人 - 你在图像上应用sobel算子进行水平和垂直边缘检测。从结果中，您可以计算图像每个点的图像方向向量。在您的情况下，您需要将这些向量映射到12个方向。然后，在您的情况下，您将图像划分为4x4子图像（16个部分）并计算每个部分中每个方向的强度。这为您提供了12 * 16 = 192个功能。如果需要，我可以提供更详细的解释。