基于切分的印刷體維吾爾文單詞識(shí)別.pdf

1、文字識(shí)別是模式識(shí)別應(yīng)用的一個(gè)分支。維吾爾文（簡(jiǎn)稱(chēng)維文）的識(shí)別研究對(duì)推動(dòng)我國(guó)多民族信息化的發(fā)展和維護(hù)民族團(tuán)結(jié)有著重要的意義。相對(duì)于漢字、英文以及日文的識(shí)別，維文的識(shí)別研究起步較晚，相關(guān)的研究成果比較少。維文識(shí)別包括印刷體和手寫(xiě)體兩方面的研究，維文單詞的識(shí)別可以分為基于切分和基于整詞兩種方法。本文研究基于切分的印刷體維文單詞識(shí)別，即先將印刷體維文單詞切分成維文字符，再對(duì)這些維文字符進(jìn)行分類(lèi)識(shí)別，最后對(duì)識(shí)別結(jié)果進(jìn)行后處理操作。本文具體研究?jī)?nèi)容

2、如下：
　　1.詳細(xì)介紹了維文OCR識(shí)別的研究現(xiàn)狀及意義，分析了印刷體維文單詞及字符的特點(diǎn)以及識(shí)別難點(diǎn)。
　　2.建立印刷體維文字符數(shù)據(jù)庫(kù)。通過(guò)采集ALKATIP Basma、ALKATIPJornal、ALKATIPTor等11套字號(hào)為初號(hào)的常用維文印刷字體建立數(shù)據(jù)庫(kù)，其中每套字體包含完整的128個(gè)維文字符，共1408個(gè)印刷體維文字符樣本。該數(shù)據(jù)庫(kù)是本文研究工作的重要依據(jù)。
　　3.維文屬于粘著型拼音文字，將維文單詞

3、切分成字符是維文OCR識(shí)別中的難點(diǎn)之一。針對(duì)維文字符切分這一難點(diǎn)問(wèn)題，本文在傳統(tǒng)基于投影的維文字符切分算法基礎(chǔ)上，提出了將連通域標(biāo)記與垂直投影相結(jié)合的切分算法。該算法可以簡(jiǎn)述為利用連通域標(biāo)記算法將維文單詞中連體段與單立字符區(qū)分開(kāi)，接著采用垂直投影確定連體段的切分點(diǎn)。實(shí)驗(yàn)結(jié)果顯示該算法能有效避免切分后維文字符畸變。此外，本文還提出了改進(jìn)的印刷體維文單詞基線標(biāo)定算法，實(shí)踐證明該算法能快速準(zhǔn)確地標(biāo)定出維文單詞基線。
　　4.在印刷體維文

4、字符識(shí)別過(guò)程中，首先本文將連通域標(biāo)記去噪與數(shù)學(xué)形態(tài)學(xué)濾波相結(jié)合對(duì)維文單詞及字符進(jìn)行預(yù)處理，該方法能有效去除維文圖像中的孤立噪聲點(diǎn)以及消除文字間的斷筆現(xiàn)象。此外，針對(duì)維文字符中相似字符較多這一現(xiàn)象，如文字符省略，本文提取維文字符的方向線素特征和梯度特征，并使用歐氏距離分類(lèi)器對(duì)其進(jìn)行分類(lèi)識(shí)別。實(shí)驗(yàn)結(jié)果顯示印刷體維文字符識(shí)別的前1候選的平均識(shí)別率可達(dá)到91.26％。最后，本文根據(jù)維文單詞的拼寫(xiě)規(guī)則，采用隱馬爾科夫模型對(duì)字符的識(shí)別結(jié)果進(jìn)行后處理