据此对轮廓中所有黑像素进行线素特征的分配。将点阵分成的子区域，每个子区域跟相邻的子区域之间有8个像素的重合。再把每个子区域划分成互相嵌套的，这样，从每个子区域都可得到一个维特征向量，将所有子区域的特征向量按顺序排列在一起组成维特征向量。方向线素提取模板黑点表示黑像素，空白表示白像素子区域中网格的划分压缩降维原始方向线素特征为维，而目前收集到的样本只有套。为了减小过高的特征维数和数量相对不足的训练样本给分类器参数估计带来的问题，我们利方法对高维的原始特征进行压缩。本文采用分析的优化准则的形式为分别表示模式特征的类内和类间散度矩阵。

　　分析的目的是找到和分别为压缩前后特征向量的维数维的线性映射矩阵，使达到极大，从而使模式类内散度方差与类间散度方差的比值达到*大以增加各模式类别间的可分性。是由的前个*大非负特征值对应的特征向量组成，它满足方法不但使压缩后特征得到白化，而且使各维特征的方差也相同。在训练样本不足的情况下，利用压缩不可避免地损失了部分鉴别信息，但只要选择得当，方法能够尽量提高分类器对特征的利用效率，增强分类器的推广能力。