我开发了一种图像识别算法，可以帮助在现实世界的脏面板上找到角色。实际上，图像是一个包含字母，数字和泥浆的汽车登记牌。
算法必须将字符分为两类：字母字符和数字。是否可以训练LBP或Haar级联来区分这两个类别，由于数字形状变化，训练结果是否稳定？
请您简单解释一下或推荐更好的方法吗？
答案 0 :(得分：0)
“算法必须将字符分为两类：字母字符和数字。” - 你忘记了泥和背景，但从技术上讲，你可以将它们添加到一个广泛的类别“其他”.Harars级联用于像人脸检测这样的东西，因为它们通常是中间空间尺度上的近似小波，其中面具有特征。你的问题是不同的。你需要首先理解你的问题结构，阅读文献，然后尝试使用纯粹的学习算法。book实际上是谈论人们开始首先考虑方法，而不是分析问题并不总是一个好主意。
从技术上讲，你首先需要找到图像中的文本，这比识别它更具挑战性，因为当前的OCR技术通常用作库而不是从头开始创建。为了在图像中查找文本，我建议首先进行自适应阈值处理以创建二进制映射（1-前景，即字母和数字，0是背景），然后在前景上执行连接组件，并与SWT（笔画宽度变换）{{3 }}