问OCR算法的改进

EN

我正在创建一个基于Java的OCR。我的目标是从视频文件中提取文本(后处理)。

这是一个困难的搜索，试图找到免费的，完全在Java上工作的开源OCR。我发现Tess4J是唯一流行的选择，但考虑到对本机接口的需求，我不知何故倾向于从头开始开发算法。

我需要创建一个可靠的OCR，正确地识别英文字母表(计算机化的字体，而不是手写文本)以合理的准确性，给定的文本位于视频帧中的区域是预先定义的。我们也可以假设文本的颜色是给定的。

我到目前为止所做的事情：

(所有图像处理都是使用openCV的Java绑定完成的)

1. 我提取了一些特征来训练我的分类器，使用：

A.像素强度，在将字符图像下采样到12 x 12分辨率后。(144个特征向量)

B. Gabor小波变换跨越8个不同的角度(0，11.25，22.5 ...etc)，并使用所有这些角度的信号的均方值计算能量。(8个特征向量)

A+B给了我图像的特征向量。(共152个特征向量)

我有62个分类类，也就是。0,1,2...9 | a，b，c，d...y，z| A，B，C，D...Y，Z

我使用20x62个样本(每个类20个)来训练分类器。

1. 对于分类，我使用了以下两种方法：

A.具有1个隐藏层( 120个节点)的ANN。输入层有152个节点，输出有62个节点。隐藏层和输出层具有sigmoid激活函数，网络使用弹性反向传播进行训练。

B.整个152个维度的kNN分类。

我所站的地方：：

到目前为止，K-近邻搜索被证明是一种比神经网络更好的分类器。然而，即使使用kNN，我也发现很难对字母进行分类，比如：

或

。

此外，它是分类的

作为Z..。举几个反常的例子。

我要找的东西：

我想知道以下几点：

1. 为什么ANN表现不佳？我应该使用什么样的网络配置来提升性能？我们能否将ANN调整为比kNN搜索性能更好？
2. 我还可以使用哪些其他特征向量来使kNN更健壮？

欢迎对性能优化提出任何其他建议。