手寫漢字圖像動態(tài)信息恢復方法研究.pdf

1、手寫漢字圖像動態(tài)信息恢復是指從脫機靜態(tài)字符圖像中恢復書寫者在書寫過程產(chǎn)生的時序信息，將一個二維的靜態(tài)圖像轉(zhuǎn)換為多個一維的動態(tài)時間序列的過程。
　　 對手寫漢字圖像進行動態(tài)信息恢復不僅可以實現(xiàn)對大量非結(jié)構(gòu)化的靜態(tài)文本圖像的有效管理，使其方便地在計算機上進行存儲和檢索，而且可以在脫機和聯(lián)機的應(yīng)用處理方法之間構(gòu)建橋梁，應(yīng)用目前現(xiàn)有的聯(lián)機處理方法來處理脫機圖像，提高脫機處理的性能，滿足越來越廣泛和深入的手寫漢字信息化管理與應(yīng)用的需求。<

2、br>　　 圍繞手寫漢字動態(tài)信息恢復中的基于結(jié)構(gòu)分析和基于模型匹配兩類問題，開展了5個方面的研究工作：基于模糊區(qū)域檢測的手寫漢字筆劃提取、漢字的結(jié)構(gòu)化建模表示、基于結(jié)構(gòu)模型的動態(tài)信息恢復，手寫漢字圖像的骨架修正以及基于模型匹配的動態(tài)信息恢復技術(shù)。
　　 針對手寫漢字筆劃提取的重點和難點——模糊區(qū)域的識別和解析，提出了一種新的基于模糊區(qū)域檢測的手寫漢字筆劃提取算法，提高基于結(jié)構(gòu)分析的動態(tài)信息恢復的預處理效果。首先，由骨架特征點來

3、確定模糊區(qū)域的近似中心點；接著，利用近似中心點和其周圍的輪廓信息進行模糊區(qū)域檢測；然后，利用圖模型來對子筆劃和模糊區(qū)域進行建模，構(gòu)造貝葉斯分類器來分析子筆劃對的連續(xù)性，并且相應(yīng)地給出了約束條件和判斷準則，分別用于筆劃路徑的搜索和處理多描繪子筆劃；最后，進行B樣條插值來提取細化后的筆劃。該算法不僅能夠有效地用于模糊區(qū)域檢測和筆劃提取，而且能夠避免筆劃在模糊區(qū)域內(nèi)的形狀畸變。
　　 在筆劃提取的基礎(chǔ)上，分析漢字的層次結(jié)構(gòu)，提出了一種

4、脫機手寫漢字動態(tài)信息恢復模型。將漢字依次分為4個層次：整字、部件、子部件和筆劃，利用4種拆分操作將整字拆分為部件，部件拆分為子部件，并由此形成了子部件間的5種拆分關(guān)系。通過定義一組拆分關(guān)系與子部件偏序關(guān)系之間的對應(yīng)規(guī)則，得到子部件的全序關(guān)系。而子部件作為最基本的恢復單位，其書寫順序通過對筆劃和交叉筆劃對進行分類來得到。該方法對于具有完整層次結(jié)構(gòu)的手寫漢字的書寫順序恢復，具有較好的準確率和處理速度。
　　 針對現(xiàn)存的大多數(shù)的骨架提

5、取算法會產(chǎn)生偽段或形狀扭曲這個不可避免的問題，提出了一種通過識別和修正不可靠段來改進手寫圖像骨架的方法。首先，給出了一種新穎的特征——迭代次數(shù)，將骨架的不可靠段看做是迭代次數(shù)異常的點的集合，并且采用無向圖對字符骨架進行建模，將圖中的節(jié)點對應(yīng)為骨架上的特征點及其周圍具有異常迭代次數(shù)的像素點；其次，為了避免骨架分枝長度對不可靠段識別的影響，又給出了一種基于迭代次數(shù)的節(jié)點距離度量方法，用于對圖中的邊進行加權(quán)。于是，不可靠段識別的問題就轉(zhuǎn)換成將

6、該無向圖分解為一個子圖集合的問題，并可通過一種有效的聚類質(zhì)量估算函數(shù)對該圖進行聚類來解決。最后，在骨架修正階段，利用最佳匹配的方法來得到可靠段之間的連續(xù)性，而對不可靠段的修正則是通過對其相連可靠段的采樣點進行B樣條插值來進行。該方法不僅可以修正漢字的骨架，而且對于英文的骨架也具有較高的修正效果。
　　 在基于模型匹配的動態(tài)信息恢復的研究中，采用序列匹配的方法找出輸入字符的骨架和動態(tài)模型序列之間的對應(yīng)關(guān)系，以達到動態(tài)信息恢復的目的

7、。首先，采用形狀上下文來定義輸入圖像和模型圖像對應(yīng)點之間的匹配代價；然后，通過建模對字符骨架進行分段，并采用基于DTW 距離的子序列匹配來找出骨架各分段的最佳序列匹配；為了避免搜索整條序列，針對骨架分段的特點，設(shè)計一種具有較低計算代價的子序列匹配算法；最后，通過子圖映射和子圖恢復來找出最佳的全局匹配路徑，并分析了輸入圖像的子圖集合到模型序列的映射方法，以及子圖內(nèi)部的書寫順序恢復的路徑約束。該方法對于形狀和位置的變化以及筆劃的缺省和連筆具