基于混合核Ls-SVM的古漢字圖像識(shí)別.pdf

1、中國(guó)古漢字記錄了大量的政治、經(jīng)濟(jì)、歷史等資料，具有很高的史料價(jià)值。古漢字具有筆劃不規(guī)則、異體字繁多等特點(diǎn)，以碑刻和帛書(shū)等形式出現(xiàn)的古漢字，殘損較為嚴(yán)重，上述特點(diǎn)使得古漢字識(shí)別非常困難。利用圖像處理技術(shù)識(shí)別古漢字，解決古籍電子化進(jìn)程中的流通和典藏困難，對(duì)民族文化的繼承和發(fā)展具有重要的意義。
　　由于古漢字的異體字與局部形變大量存在，現(xiàn)有的圖像識(shí)別方法難以獲得準(zhǔn)確結(jié)果。支持向量機(jī)具有小樣本下的強(qiáng)泛化與抗噪能力，在圖像識(shí)別中已被廣泛應(yīng)用

2、。本文將混合核最小方差支持向量機(jī)(LS-SVM)結(jié)合圖像特征抽取、曲波變換等實(shí)現(xiàn)古漢字的圖像識(shí)別，主要工作和結(jié)論如下:
　　1.針對(duì)古漢字間的高度相似性導(dǎo)致誤分類(lèi)率高的問(wèn)題，對(duì)傳統(tǒng)的支持向量機(jī)進(jìn)行改進(jìn)，采用混合核加權(quán)LS-SVM進(jìn)行分類(lèi)識(shí)別。混合核加權(quán)LS-SVM可以減少異常樣本的負(fù)面影響，避免出現(xiàn)分類(lèi)越好或者越壞點(diǎn)的懲罰也越大的情況，提高分類(lèi)的準(zhǔn)確率。
　　2.研究了時(shí)域多特征融合的特征提取方法。提取部件結(jié)構(gòu)特征與整體廣義

3、密度特征作為全局特征，該全局特征具有魯棒性強(qiáng)和算法復(fù)雜度低等特點(diǎn);提取網(wǎng)格筆劃特征與偽二維彈性網(wǎng)格內(nèi)的局部點(diǎn)密度特征作為局部特征，所提的局部特征對(duì)于局部形變有很好的吸收能力。將提取的全局特征和局部特征融合后作為分類(lèi)器的特征輸入。
　　3.針對(duì)古漢字筆劃多為不規(guī)則曲線(xiàn)導(dǎo)致分類(lèi)率不高的問(wèn)題，利用二代曲波變換提取古漢字的頻域特征，研究了頻域多特征融合的特征提取方法。采用快速離散二代曲波變換對(duì)古漢字圖像進(jìn)行多分辨率分解，對(duì)不同分辨率下的古