基于圖的手寫漢字切分與識別技術(shù)研究.pdf

1、離線手寫漢字識別中，字符的正確切分是實現(xiàn)傳統(tǒng)OCR(OpticalCharacterReading)技術(shù)可用性的基本因素。然而，對于自由手寫漢字字符串，在識別之前無法可靠地對字符實施分割，主要困難來源于字符大小、間距的變化和相鄰字符之間的粘連。找到所有的候選切分位置是成功分割的前提。根據(jù)候選切分位置構(gòu)造候選字符模式，由候選字符模式識別結(jié)果的有效性可以做出切分決策，其中需要將字符分類結(jié)果和語言知識合并到分割中。利用語言知識的策略以及分割與

2、分類的實施，均依賴于特定的應用背景，語言知識可以用于候選字符識別或識別假設的后處理。 對于存在字符間粘連的手寫體漢字串，在圖像上精確定位包含所有分割位置的候選切分位置集是很困難的。然而，漢字是由簡單筆劃按照特定的關(guān)系構(gòu)成的，粘連漢字的分割點在筆劃結(jié)構(gòu)上通常是清晰的。 本文提出了一種基于筆劃結(jié)構(gòu)圖的手寫體漢字切分與識別方法。通過提取漢字的筆劃結(jié)構(gòu)并以圖的方式予以表達，將漢字的切分與識別轉(zhuǎn)換為圖的分割和識別，運用圖論進行漢字

3、的切分。對于由多個連通部件構(gòu)成或者發(fā)生內(nèi)部斷裂的漢字，可以通過筆劃結(jié)構(gòu)子圖的合并構(gòu)成候選的字符模式；而彼此粘連漢字的切分就是相應圖的分割。采用基于骨骼的筆劃提取方法，提取漢字的筆劃結(jié)構(gòu)；從筆劃結(jié)構(gòu)圖上直接計算筆劃方向特征，采用特征值誤差補償和非對稱分布模型對候選字符模式進行分類；針對特定的應用背景，采用詞典驅(qū)動的切分與識別策略。 基于骨骼圖像的筆劃提取取決于特征點的提取，特征點集合的完整性是提取正確筆劃結(jié)構(gòu)的前提。 預分

4、割是基于子圖合并的切分與識別策略的基礎。預分割并非一定要求提取單個完整的字符，如果在詞圖上存在一條從源點到終點的路徑，該路徑上的邊構(gòu)成相應的字符序列，則預分割的結(jié)果就使得正確分割成為可能。 筆跡重構(gòu)是從字符的靜態(tài)圖像中提取筆跡順序信息，有助于將在線識別方法應用于離線識別問題，以及實現(xiàn)單個手寫字符識別和字符序列識別方法的統(tǒng)一。 在已經(jīng)提取筆劃結(jié)構(gòu)的情況下，當然可以采用結(jié)構(gòu)匹配的方法進行漢字識別。然而，基于降低技術(shù)難度和提高

5、穩(wěn)定性的考慮，本文采用了統(tǒng)計模式識別理論與方法進行漢字識別，直接從筆劃結(jié)構(gòu)上計算筆劃方向特征，綜合利用了漢字筆劃結(jié)構(gòu)穩(wěn)定和統(tǒng)計方法抗噪聲干擾的優(yōu)點。 馬氏距離是在多變量正態(tài)分布概率密度函數(shù)的假設下推導出來的，然而，漢字字符樣本的分布與正態(tài)分布假設有明顯的差異。當可以利用的樣本數(shù)量有限時，主向量分析(PrincipalComponentAnalysis)計算的特征值通常包含誤差。因此，需要采用改進的馬氏距離來計算未知模式的特征矢量

6、與某類的均值矢量之間的距離。 詞典驅(qū)動的方式在英文單詞識別中已有廣泛的應用。漢字類別繁多，采用詞典驅(qū)動的方法進行詞語識別，是針對特定應用背景的一種有效的解決方案。 本文對上述問題進行了深入研究，主要創(chuàng)新體現(xiàn)在以下方面：1.采用基于識別的手寫體漢字切分策略，并將其轉(zhuǎn)換為相應圖的分割。2.基于骨骼的特征點直接提取方法，保證筆劃提取的可靠性，并基于筆劃結(jié)構(gòu)直接計算筆劃方向特征。3.基于圖分割的漢字切分方法，字符切分就是相應筆劃