基于多特征提取的中文识别算法论文演示--历年数学建模优秀论文大全.ppt

基于多特征提取的中文识别算法 姓 名:刘平净 学 号:20031711 指导教师:何光辉老师 专 业:信息与计算科学 基于多特征提取的中文识别算法 课题研究意义 基于多特征提取的识别算法原理 算法实现流程 结果分析 课题研究的意义 随着计算机技术的发展和普及,传统的汉字编码输入 方案已经不能满足大众化的需求,汉字输入成为我国 计算机科学发展的瓶颈问题,而手写汉字识别技术是 解决这一问题的关键. 现在生产的电子产品已经日趋智能化,如手机、PDA 等，手写汉字识别技术在这些产品中的应用越来越多 ，由于硬件资源的限制，电子厂商迫切需要一个简单 易行而效果也能满足要求的识别算法。 基于多特征提取的识别算法原理 算法原理综述 汉字是一种结构文字，所以在进行手写汉字识别时，笔 划信息一定要充分利用起来，同时我们知道，单纯的笔划特 征不足以区分所有汉字，现在我们考虑将输入汉字图象分别 从笔划和相素角度做两次分类识别，以下分别称为粗分类和 细分类。 在粗分类阶段，我们先根据基于笔划的识别算法把范围 缩小，即根据笔划数和笔划顺序从字库选出几个可能的汉字 ，至于怎样从这几个汉字中找出正确的对应字符就由细分类 部分完成。 基于多特征提取的识别算法原理（续） 在细分类阶段，可以根据网格划分的算法对粗分类后的 若干汉字进行识别，由于范围已经很小，所以该步骤不需要 划分太细，通常情况下做3*3分区即可取得理想结果。注意 ，用该方法要对汉字图象做规范化处理，我们可以稍做改进 ，把每区的黑色相素点数改为此数与汉字总相素点数的比值 ，这样就可以排除汉字大小不一的干扰。 基于多特征提取的识别算法原理（续） 预处理 由于下一步进行的粗分类要以笔划为特征，所以在预处 理阶段要完成消除噪声点以便判断笔划的工作，具体来讲主 要完成以下工作： （1）从输入图像得到点序列。 （2）为了消除起笔和落笔抖动，删除点序列两端的若干 点，消除点序列中间的异常点。 （3）记录图像的最大、最小x,y坐标，以便在细分类时 使用。 基于多特征提取的识别算法原理（续） 粗分类 在介绍粗分类要完成的工作前，先要了解该算法对笔划的 分类和笔划相似度的定义。下图是二维平面上方向笔划的义 。 笔划的划分： 横，用数字1标识，方向为1； 竖，用数字2标识，方向为3； 撇，用数字3标识，方向为4； 捺，用数字4标识，方向为2； 折，用数字5标识，有至少两个方向； 基于多特征提取的识别算法原理（续） 为了知道输入的一笔是哪种笔划，还要从点序列入手求 每一点的方向码，然后消除噪声方向得到笔划码。下面这 组式子用来求的方向数。 若pointa+2.y=pointa.y且pointa+2.xpointa.x,方向1。 若pointa+2.y=pointa.y且pointa+2.xpointa.y,方向3。 若pointa+2.x=pointa.x且pointa+2.ypointa.x且pointa+2.ypointa.y,方向2。 若pointa+2.xpointa.x且pointa+2.ypointa.y,方向4。 若pointa+2.xpointa.x且pointa+2.ypointa.y,方向6。 基于多特征提取的识别算法原理（续） 从上一部长得到每点方向后，消除一些异常的方向（即和附近 点方向都不一样的点），然后可根据多数点的方向判断该笔划 数，粗分类时距离定义如下： 距离 d= 其中 是定义的笔划相似度， 如下表。 基于多特征提取的识别算法原理（续） 粗分类后,要对汉字图像进行细分类进行匹配识别,该过程 采用划分网格的方法,由于粗分类阶段已经将范围缩小,所以 该阶段只需采用3*3网格即可. 细分类 该阶段首先对汉字图像进行划分,统计各区相素点数,为了 归一化,还要计算出各区相素点与图像总相素点数的比值,如 下图: 00 00 106 23111494 82 00 00 0.169 0.150.3680.18 0.13 基于多特征提取的识别算法原理（续） 现在把上图的统计特征表示为一个数组记为test.p9， 若字库中第i组特征为tezi.p9,则待识别汉字图象与字库里 第个字的距离为： 为了便于识别，需要定义阈值dis,若ddis，即可认为输 入汉字为字库中第i个字符。 算法实现流程 输入终端 输入图像预处理 获得笔划特征 获得相素特征 进行识别 识别结果 字库 识别部分 学习部分 结果分析 下图是用Visual C+程序设计语言实现该算法的程序界面, 其中的”学习”命令按钮主要用于向字库添加汉字特征,以便在 以后的使用中识别. “学习”过程 “学习”进行后,下次再写入该汉字时,系统就可以进行识 别. 结果分析(续) 下图是能够识别的汉字图像示例 结果分析(续) 算法对书写不规范的字识别效果不好,如下面几个书 写不够规范的字系统无法识别 结果分析(续) 下表为对规范度不同的汉字图像的识别率表. 结果分析(续) 该算法结合了笔划和统计特征,能使识别率达到90%以上 ,也能够识别笔划特征相同的汉字如”六”和”文”,但也存在一些 问题和不足,表现在以下两个方面: (1) 算法对书写的规范性要求很高,对于书写不规范的汉 字图像将无法识别或得到错误结果,其主要原因是系统无法从 书写不规范的汉字图像中获取正确的笔划特征. (2) 算法对笔划顺序特征要求严格