如何从图形中提取有用的特征？

Question

事情是这样的：

​

​

​

​

我有一些图形，如上面的图片，我试图将它们分类为不同的种类，这样就可以识别字符的形状，下面是我所做的：

我把二维FFT应用到这些图上，这样就可以得到这些图的谱分析。以下是一些结果：

​

​

S后的二维快速傅立叶变换

​

​

二维FFT后的t

我发现在FFT之后，同一个字母共享相同的幅值图，我想使用这个特性来对这些字母进行聚类。但是有一个问题:我希望感兴趣的特征可以在二维平面上呈现，也就是以(x，y)的形式，但是这里的特征实际上是一个图，大约有600*400元素，我知道我唯一感兴趣的是图形的形状(S是中间的一个点，T是一个十字)。那么，我能做些什么来降低星等图的维数呢？

我不确定我在这里是否清楚我的问题，但事先谢谢。

Answer 1

您可以使用降维方法，例如

• K-均值聚类
• 支持向量机
• PCA
• MDS

这些方法中的每一种都可以采用二维数组，并计算出区分/表示字母等的最佳坐标框架。一种开始的方法是使用这些方法将你的240000维空间缩小到一个26维空间。这会给你一个‘振幅’的每一个可能的字母。

但正如@jucestain所说，网络分类器对于字母识别是很好的。