吴俊雄

(北京信息科技大学 自动化学院，北京 100192)

0 引言

在光学字符识别中针对不同类别文本图片进行分类可以提高识别率。如果待识别图片中存在被红色印章覆盖的部分，比如发票类图片，则将这类图片分离出来单独处理能够改善识别效果。

目前图像分类技术大体可以分成3类。第1类是基于图像处理的方法，即根据不同类别图像的特征，人工设计分类器对各类图像进行分类。颜色、形状、纹理是图像常用的3大特征，其中颜色特征由于直观且易于提取而被广泛应用于图像处理领域。这类方法应用简单，但是泛化性能较差，且设计的分类模型依赖于设计者的经验[1-2]。

第2类是基于机器学习的分类方法，代表性的机器学习方法有k均值聚类法、支持向量机法(support vector machines，SVM)等[3-4]。这类方法通常是将输入图像的特征通过数学的方法转换成低维度的特征，再将低维度的特征输入机器学习模型中进行训练，使用完成训练的模型对图像进行分类。这类方法的优点是泛化能力强，数学理论完备，对于特征不明显的图像也有较好的分辨率，缺点是精度依赖于特征的提取，并且精度通常不够高。

随着卷积神经网络在计算机视觉中的大量应用，第3类方法即深度学习的分类方法由于其自身的优越性能，越来越受到学术界和工业界的青睐。该方法的优点是泛化能力强，鲁棒性强，准确率极高。分类的过程是将不同类型的图像打上标签，再将图像缩放到固定尺寸送入深度卷积网络中进行训练，将训练好的模型用于分类。……