摘要

手写字符图像的分类技术容易受到噪声的影响。四叉树可以作为从稀疏特征中学习的有效表示方法。在本文中，我们通过使用像素级分类器提取字符像素并去除手写字符图像中的噪声，提高了概率四叉树的有效性。该像素级去噪器（深度信念网络）利用预训练卷积神经网络（CNN）获得的地图响应作为特征，以重建字符并消除噪声。我们通过实验展示了我们的方法在重建和分类带有噪声的手写孟加拉数字和基本字符数据集方面的有效性。