基于筆段的脫機手寫體漢字識別方法研究.pdf

1、脫機手寫體漢字識別具有廣闊的應(yīng)用前景和很高的理論價值。從應(yīng)用角度來看，它可以廣泛應(yīng)用于各種紙質(zhì)文檔的高速自動錄入，圖書資料的數(shù)字化，郵件的自動分揀，證件的自動閱讀，票據(jù)的自動處理等方面。從理論方面來講，研究脫機手寫體漢字識別可以認(rèn)識高難度模式識別的一般規(guī)律，有助于發(fā)展新的模式識別理論，從而對傳統(tǒng)的模式識別理論和技術(shù)在脫機手寫體漢字識別中的局限性有所突破，且因它涉及到模式識別、圖像處理、數(shù)字信號處理、自然語言理解、人工智能、模糊數(shù)學(xué)、信息

2、論、中文信息處理等許多學(xué)科，故脫機手寫體漢字識別在相關(guān)學(xué)科研究和多學(xué)科的融合研究中都有很高的理論價值。 從1966年IBM公司的Casey和Nagy首次發(fā)表印刷體漢字識別的文章開始算起，到現(xiàn)在漢字識別已有40多年的歷史。經(jīng)過無數(shù)科研工作者的不懈努力，漢字識別中的聯(lián)機手寫體識別和脫機印刷體識別已日趨成熟，出現(xiàn)了很多有實用價值的產(chǎn)品。只有脫機手寫體識別至今還不能達(dá)到令人滿意的效果，被稱為文字識別中“最難征服的領(lǐng)域”，尤其是基于結(jié)構(gòu)特

3、征的手寫體漢字識別更具有挑戰(zhàn)性。它不能利用筆劃順序、書寫輕重等重要信息，而且手寫體漢字因人而異，字體繁多，其中連筆問題和變形問題是手寫體漢字識別中的兩大難點。因此，如何解決這些問題已經(jīng)成為研究的熱點。 本文主要研究脫機手寫體漢字識別中基于筆段的識別方法，涉及到模式識別、圖像處理等技術(shù)。預(yù)處理在識別過程中占有重要地位，其中細(xì)化和特征點提取是本文的研究重點。細(xì)化方法主要有2類，第1類是一遍掃描，得到單側(cè)邊緣；第2類是多遍掃描，得到中

4、心線(骨架)。在第2類方法中，目前較成熟的是利用模板細(xì)化，但存在著模板數(shù)目太多，內(nèi)存需求大，運算速度慢等缺陷。為彌補這一缺陷，一些學(xué)者提出了基于分組的細(xì)化方法，但遠(yuǎn)未成熟。有鑒于此，本文在此基礎(chǔ)上提出了分組細(xì)化法，不僅能夠較快地實現(xiàn)細(xì)化，而且同時能夠標(biāo)記出除拐點之外的特征點。具體地說，即逐個掃描字符圖像像素點，由當(dāng)前像素點8鄰點的分組個數(shù)來判斷此點類型，對筆劃圖像前景點逐層做類型標(biāo)記(刪除某點時僅做刪除標(biāo)記，不立即置為背景，直到下一輪掃

5、描時，才視為背景)，如此循環(huán)，直到所有前景點被標(biāo)記完為止。在細(xì)化過程中，根據(jù)分組數(shù)，標(biāo)記字符圖像中心線中的孤立點(0分叉)、端點(1分叉)、骨架點(2分叉)和交叉點(3～8分叉)。 拐點提取方法可分為以下2類：第1類方法是按局部特征來提取拐點，即從像素點入手。這一類方法運算量大，易受噪聲干擾。第2類方法按全局特征來檢測拐點，從筆劃的整體形狀入手，略去骨架的小波折。這類方法簡單，檢測速度快，受噪聲影響小，適合于尋找漢字骨架上的拐點

6、，如最大距離法。但最大距離法只能處理單拐點筆劃，不能處理多拐點筆劃，也不能判斷筆劃上拐點的個數(shù)。本文提出的遠(yuǎn)端拐點法，對最大距離法進行了改進。既保持了運算速度快、受噪聲影響小的優(yōu)點，又能判斷筆劃上拐點的個數(shù)，找出多拐點筆劃上的所有拐點。 實驗證明，分組細(xì)化法和遠(yuǎn)端拐點法執(zhí)行速度快，內(nèi)存需求小，算法簡單，效率高。最后，本文給出了脫機手寫體漢字識別系統(tǒng)的流程，其中有些模塊尚未實現(xiàn)，或尚有一定缺陷，這有待進一步研究。文中給出了部分算法