基于分块LBP特征提取和改进KNN的手写数字识别

摘要

针对传统KNN算法的手写数字识别运算量大和分类准确率低的问题,笔者提出一种基于分块LBP特征和训练集生成均值特征向量的改进KNN算法.该方法将样本图像分割为4个区域,分别提取各个区域的LBP直方图,然后将其组合作为该图像的特征向量.通过对比发现,基于分块LBP特征的传统KNN算法的分类准确率达到89％,但用时较长;运用改进后的KNN算法的数字分类准确率达到100％,同时大大减少了计算时间.