基于模糊方向线素特征的手写体汉字识别.pdf

清 华 大 学 学 报 自 然 科 学 版 10 26 1997年 第37卷Journal of T singhua U niversity Sci 智能技术与系统国家重点实验室 北京100084 收稿日期 1996207204 第一作者 男 1961年生 副教授 3 国家自然科学基金 69675004 和国家 八六三 高科技 项目 863 23062032052 3 文 摘 方向线素特征在手写体汉字识别中得到了广泛的 应用 文中对该特征进行了形式化描述 分析了其存在的不 足 在普通方向线素特征的基础上 引入模糊数学思想 提出 了汉字的模糊方向线素特征 给出了形式化描述 应用该特 征实现了一个非特定人手写体汉字识别系统 经对含有 37550个汉字 10 套国标一级汉字 的未学习样张的测试 识 别率由8515 提高到8917 十选正确率达到9814 在同 等测试条件下 比单纯使用方向线素特征识别率提高了四个 百分点 关键词 汉字识别 模糊特征 特征抽取 分类号 TP 242 6 手写体汉字 其形状千差万别 因人而异 字形 的差别主要表现有三点 1 笔划长短差异 2 笔划位 置差异 3 规范性程度差异 这三种差异的不同组 合 造成了手写体汉字的千差万别 同时也给识别工 作带来了巨大困难 以至于手写体汉字识别被认为 是字符识别的最终目标 本文首先对常用的汉字方向线素特征进行了形 式化描述 指出了其存在的不足 针对字形差异的主 要表现 引入模糊数学的思想 提出了汉字的模糊方 向线素特征 最后采用本文所提出的方法 实现了一 个非特定人手写体汉字识别系统 经对含有37 550 个 10 套国标一级汉字 不同人书写汉字的未学习 样张的测试 识别率由原来的8515 提高到8917 充分说明了模糊方向线素特征的有效性 1 汉字的模糊方向线素特征 方向线素特征已被证明是一种行之有效的手写 体汉字识别特征 1 可形式化地描述如下 设F i j 是汉字规格化后的N3N二值化点 阵图象 F i j 0 白像素 1 黑像素 定义1 设F i j 是汉字的二值化图象点阵 当满足条件 F i j 0 u 1 0 v 1 F i u j v 1 时 称点 i j 为该汉字的笔划边缘点 简称边缘 点 边缘点的全体称为笔划的轮廓线 定义2 对任意两个相邻的边缘点 i j 和 k l 定义集合 H i j i k 0 l j 1 S i j j l 0 i k 1 P i j i k 1 j l 1 N i j i k 1 l j 1 分别称为汉字的方向属性集合 集合中的元素 是汉字 横 竖 撇 捺 四种笔划的反映 例 如 若 i j H 则说明该汉字在点 i j 处有 横 的因素存在 但不一定是横笔划 也可能是 撇 或 捺 的部分 定义3 将点阵F i j 均匀地划分为m3m 个网格 第k个网格所包含的边缘点的全体称为网 格集 记为Nk k 0 1 m3m 1 定义4 第k个网格的方向线素为一个四维 向量 记为Ek Ek H Nk S Nk P Nk N Nk 其中 为求集合的势 定义5 所有网格的方向线素按顺序排列起 来 组成一个m3m34维的向量 称为汉字的方向 线素 记为 X x0 x1 xm m 4 1 T X即为该汉字的特征向量 一个汉字区分于其他汉字的主要特征就是笔划 及其所在位置 如果将笔划中的 点 和 左上提 划 归到 捺 的范畴 将 右上提 划归为 撇 的范畴等 等 则广义地讲 汉字是由 横 竖 撇 捺 四 种笔段组成的 四种笔段的数量及其相互位置关系 唯一地决定了一个汉字 方向线素特征刚好表达了 汉字在不同的空间位置上 四种笔段数量的多与寡 从而较好地表达了汉字的笔划和位置这两个主要特 征 被广泛地应用于手写体汉字识别中 并取得了较 好的效果 但从定义可以看出 该特征存在两点明显 的不足 1 网格的划分是确定的 即对于某一网格来说 点 i j 或者属于该网格 或者不属于该网格 是一 个确定性的问题 然而由于书写引起的位移等因素 的影响 不同的人书写 或者同一人在不同时间不同 环境不同心态下书写的同一汉字 同一笔划可能会 落入不同的网格 对于横竖笔划发生这种情况的可 能性更大 其结果使得笔划的微小位移可能会导致 特征的突变 2 方向属性的确定只考虑了相邻两个边缘点的 情况 带来的问题是使得噪声对方向属性的确定影 响较大 以上两点均可以通过定义模糊集合的方法来减 弱其影响 为此 提出汉字的模糊方向线素特征 为解决第一个问题 相应于集合Nk引入模糊 网格集FNk 定义6 设网格中心为坐标原点 网格边长为 2n a 0 n 论域U为全体边缘点 则模糊网格集 FNk定义为 FN k i j 1 a i a a j a 1 2 a n i 2n a a j a a i 2n a 1 2 n a i a 2n a j a a 2n i a 1 2 a n j 2n a a i a a j 2n a 1 2 n a j a 2n a j a a 2n j a 1 2 a n i j 2n a a j 2n a a i j 2n 1 2 a n i j 2n a a 2n j a a i j 2n 1 2 n a i j a 2n a j 2n a j 2n i a 1 2 n a i j a 2n a 2n j a j 2n i a 0其它 其形状如图1所示 图2是相邻网格隶属函数的中 心位置剖面示意图 由图中可以看出 相邻网格的隶 属函数是交叉的 这样 某边缘点是否属于某一网格 不再是一个确定关系 而具有一定的模糊性 由于隶 图1 隶属函数示意图 图2 隶属函数剖面图 属函数是连续的 从而排除了特征突变的可能性 当 a n时 模糊方向线索则退化为普遍的方向线素 为解决第二个问题 首先改变一下属性集合的 定义 考虑三个相邻边缘点的情况 定义7 设 i j 是边缘点 k l u v 是与 i j 相邻的两个互不相等的边缘点 重新定义集 合 H i j i k 0 i u 0 l j 1 j v 1 S i j j l 0 j v 0 i k 1 u i 1 P i j i k 1 u i 1 j l 1 v j 1 N i j i k 1 u i 1 l j 1 j v 1 相应地引入模糊集合FH FS FP和FN 论域U均 为全体边缘点 对任意 i j U 如果 i j H 或 i j S 或 i j P 或 i j N 则隶属度 FH i j 1 或 FS i j 1 或 FP i j 1 或 FN i j 1 否则 视 i j l k 和 u v 三点的组成情 况 以隶属度 FH i j 或 FS i j 或 FP i j 或 FN i j 进入模糊集合FH 或FS 或FP 或FN 例如 如果 i j k l 和 u v 间满足条件 如 图 3 k l i j u v 图3 边缘点排列示例 34马少平 等 基于模糊方向线素特征的手写体汉字识别 j l 0 k i 1 i u 1 j v 1 则可取 FH i j 0 FS i j 0 5 FP i j 0 5 FN i j 0 定义8 设A B是二个论域为U的模糊集 合 A与B的交集定义为 D A B x U D x 3 B x 定义9 论域为U的模糊集合A的势定义为 一实数 A 6 x U A x 定义10 第k个网格的模糊方向线素为一个 四维向量 记为FEk FEk FN k FH FN k FS FN k FP FN k FN 其中 为模糊集合求势 定义11 所有网格的模糊方向线素按顺序排 列起来 组成一个m3m34维的向量 称为汉字的 模糊方向线素特征向量 记为 X x0 x1 xm m 4 1 T 其中 xi i 0 m3m34 1 为模糊数 隶属函 数 xi 各自不同 由实验确定 2 系统实现 基于模糊方向线素特征建立起来的非特定人手 写体汉字识别系统由模式输入 预处理 模糊特征抽 取 特征匹配和结果输出五部分组成 其中 模式输 入部分将扫描 切分后的单个汉字图象点阵读入到 内存 并将原来按位存放的图象转换为按字节存放 预处理部分对图象进行简单的消噪声及平滑处理 后 采用二次函数非线性规格化方法对汉字图象进 行规格化 模糊特征抽取部分首先抽出汉字笔划的 轮廓线 然后根据本文所介绍的方法 抽取汉字的模 糊方向线素 在字典中存放的是标准汉字的模糊方 向线素特征 特征匹配部分将当前字特征与字典中 的标准特征进行匹配 按照城区 City Block 距离 距离最小者即为识别结果 如下式所示 m in j 1m 6 n i 1 x j i xi 其中 x j i为字典中第j个汉字的第i个特征分量 xi 为当前汉字的第i个分量 n为特征维数 m为字典 中汉字总数 最后将识别结果及10个候选存入到文件 中 3 实验结果 为验证系统的有效性 用中国科学院自动化所 收集的50套一级汉字样张对系统进行了测试 其中 40套样张用于学习 10套样张用于测试 识别结果 如表1所示 从中可以看出 在相同测试环境下 采 用模糊方向线素特征比用普通方向线素特征 一选 识别率提高了四个百分点左右 证实了本文所提方 法的有效性 表1 识别结果 所用特征一选二选三选四选五选六选七选八选九选十选 普通方向线素8515921394139513951996139617961997119712 模糊方向线素8917941595179614961997139716971998129814 a 普通方向线素特征情况 b 模糊方向线素特征情况 图4 位移与距离变化曲线 44清 华 大 学 学 报 自 然 科 学 版 1997 37 3 为何模糊方向线素特征会带来如此好的结果 呢 设网格宽度为m个象素 图4给出的是一个由 n个象素组成的竖线 当其横向移动位移S时所引 起的距离D变化曲线 a 和 b 分别对应普遍方向 线素特征和模糊方向线素特征时的情况 从图中可以看出 位移对模糊方向线素特征的 影响是逐渐加大的 不象普通方向线素特征那样有 一个大的突变 表明模糊方向线素特征鲁棒性能好 但在实验中我们也发现 应用模糊方向线素特征后 对相近字的识别率有所下降 这也从另一个侧面说 明了该特征对汉字小范围内的变化不敏感的特点 适应手写汉字较大的变化 及对相近字的正确识别 历来是手写体汉字识别中的一对矛盾 利用上下文 知识 对识别结果进行后处理 是解决这一问题的较 好方法 2 4 结束语 本文根据手写体汉字的变形特点 提出了汉字 模糊方向线素特征 可以较好地反映汉字笔划基本 单元 横竖撇捺在空间的分布 较好地消除由笔 划位移和笔划边缘不光滑等因素引起的噪声干扰 可消除一些汉字的不稳定因素带来的不利影响 综 合起来 该特征有以下特点 1 是汉字组成信息的反映 从汉字学角度来看 汉字是由十几种不同的笔 划组成的 而组成笔划的基本单元是横竖撇捺 基本 单元的全体及其空间相对位置 唯一地确定了一个 汉字 方向线素特征表现的刚好是一个汉字在其不 同的空间位置上 横竖撇捺四种因素的多寡 是组成 该汉字的基本单元及其空间位置的反映 可以较好 地反映一个汉字的组成信息 2 对笔划位移不敏感 笔划位移是引起汉字差异的重要因素之一 由 模糊方向线素特征的定义可以看出 当笔划在网格 内位移时 特征值不变 当跨越网格移动时 特征的 变化由移动距离和隶属函数决定 如果隶属函数定 义的较合理 则特征对笔划位移将不敏感 3 对笔划边缘噪声敏感较小 由扫描得到的待识汉字笔划边缘往往不光滑 凹凸不平 由于在方向线素中考虑了三个相邻边缘 点的情况 并根据其连接关系赋予不同的隶属度 从 而使得特征对边缘噪声敏感较小 参 考 文 献 1郭 军 1 余弦整形 换 用 手书 文字认识 1 信学论 D 1993 76 4 835 842 2夏 莹 马少平 朱小燕 1 脱机手写汉字识别 1 智能 计算机接口与应用进展 威海 1995 33 38 Handwritten Chinese characters recogn izing based on fuzzy directional line element feature Ma Shaoping Xia Ying Zhu Xiaoyan Department of Computer Science and Technology T singhua U niversity State Key L aboratory of Intelligent Technology and System s Beijing 100084 Abstract The directional line element feature has been applied in the recognition of handw ritten Chinese characters w idely This paper presents a formalized description of this feature Basing on the common directional line element and according toits defect the fuzzy mathematical idea is introd