手写识别外文翻译

1、 手写体汉字识别中Gabor特征和梯度特征的比较研究KAIDING摘要Gabor特征和梯度特征最近已被证明在手写汉字的识别中是两个最有效的特征，。进而一些综合比较性的在手写汉字识别方面的两大特征的研究在一些文献中被报道了。在本文中，我们在手写汉字识别中比较这两种方法。通过此获得一些新的有意义的结论研究。结果表明，梯度性能功能显着优于Gabor特征。多通道Gabor特征可以提高单通道Gabor特征的性能。我们还观察到，当Gabor特征的指示数达到5后识别精度便难以得到明显增加。这意味着只需要5个方向的Gabor特征参数去实现一个足够好的性能，而不是在许多文献中被广泛使用的8个方向。关键词：梯度特

2、征；Gabor特征;特征提取;手写体汉字识别（HCCR）1引言手写字符识别技术（HCR）是模式识别领域最关键的部分之一。特征提取方法的选择可能是唯一一个在实现高识别手写文字中最重要因素性能。许多特征提取的方法最近被提出。在这些功能中，定向功能，如定向元素的特点、边缘定向功能、轮廓定向功能广泛应用于先前且已被证明是非常高效的。但梯度特征最佳性能优于其他先前被提出的方向特征。在方向特征中一个强大的竞争对手是第一次被augman提出的Gabor特征。Gabor滤波器提出的功能，首先是当地的窄带带通滤波器是在两者方向和空间频率中选择。这是适合用于提取两维的空间域，并广泛应用于如联合信息识别，字符识别，

3、面部和纹理等。Gabor特征与轮廓方向（链码）相比较，结果表明：在手写汉字识别中轮廓特征比Gabor特征更低等。Gabor特征和梯度特征有一些共同的特性：适用于二进制图像和灰度图像，图像噪声免疫。刘先生等人在手写体数字和印刷日文字符识别比较这两种方法。然而，对于gabor特征和梯度特征在大规模的手写体汉字字符的识别中很少有综合性比较的研究，这是在本文讨论，也获得了一些有意义的实验结论。在参考文献中，结果表明，Gabor特征和梯度特征中手写体数字和印刷日文中表现出的特性是相似的。但在本文中，我们注意到，梯度特征在大规模的手写体汉字字符识别中明显优于Gabor特征。不同的结果的分析这在5.4节给出

4、了。本文的其余部分安排如下：第2节和第3节介绍Gabor特征提取和梯度特征提取的方法。在第4节，弹性网格方法的提出，所有实验和描述在第5节提出。最后,在第6节是我们的总结文件。2Gabor特征提取2.1单一通道Gabor特征提取二维Gabor滤波器函数如下：exp1*趕二：T.CQ魂+丁気诚-&=弓或诫+；1博3致和小是振荡的方向，D是方向向量，入是波长，沁Y是高斯的标准偏差。要提取Gabor特征，我们假设，F（X，Y）在二维字符点（X，Y）的像素值图像，其大小为MXN的（在本文中，所有的字符图像归为64X64）。让点（Xm，Yn）从弹性网格表4中获得）表示采样点。然后在Gabor特征采样点（

5、Xm，Yn）表示为:JG丽儿）=门兀尸G&儿兄叭）ir-1yi（丄）=ZZf（兀gj儿兄気Ji=0y=0在实践中，其振幅被用作为特征，那就是：险呼1均（心耳）=立您烦心j儿貝q）|=0要获得Gabor特征的人物形象，参数屮K，入，X，Y，首先必须确定。这是通常把厶X=AY=6=n认为是常数。最佳屮K（或D）和入值将取决于在5.3节中描述的实验。2.2多通道Gabor特征提取最初是由王先生等提出，如Gabor滤波器敏感笔画的宽度，和价值参数入，入反映信息的笔划宽度在Gabor特征的表现上有显著的影响。在2.1节提出的Gabor滤波器只能设置单一数值的入，这意味着这Gabor滤波器的入值是只对某些

6、笔划宽度敏感。因为最后的触摸和正常化的过程中，脱机手写体的宽度字符的笔画差别很大（如图5所示）。因此，单通道（烧入值）Gabor滤波器的性能可能不是很好对于脱线手写体汉字字符识别。为了克服这一缺点，多渠道Gabor特征提取的建议：几个单通道Gabor滤波器参数入的不同值合并成一个多通道Gabor滤波器。因此多通道Gabor滤波器可以是对几个宽度敏感，其性能将比单一通道Gabor特征更加优越。3梯度特征提取。（所示图1）用于获取水平和垂直在每个图像的梯度像素。假设F（X,Y）是点的灰度水平（X,Y）,水平和垂直灰度梯度，推导出胃工=y+1)+2*+1)+f(x十1“十1)=/(x+L.y-l)+

7、2*/(x+l,v)+/(+l.V+l)-/(x-l.y-l)-2*/(x-l3+1)(b)图3：（a）8x8线性网格图2：梯度矢量（b）8x8整体弹性网格（c）8x8局部弹性网格然后我们以相等的时间间隔2n/L定义LDE方向，并分解梯度向量）x和y为它的两个GG在最近的方向平行四边形的方式，为在图2所示（在图中，L是表示8）。这种分解方法是先将刘等提出。这样，我们得到在每一个L维的梯度代码图像中的像素。然后我们分成64X64的归一化图像到8X8子块通过弹性网格，中间每个子块表示为采样点提取大号梯度功能，在d维梯度特征向量，作为Fgr表示，其中d=8X8XLO最后一个非线性变换Y二Fgr0.适

8、用于每个提取的特征向量元素，使其分布高斯。在上述过程中，方向值L是唯一的参数在梯度特征的功能中。在本文中，我们设置L=8。4弹性网格网格划分方法是针对有虚拟网格的自符图象的部分划分方法。如果字符图象被线性网格平等地划分，那么这个网格则为线性网格(如图3(a)项所示)。然而，由于不同作家的风格特征迥异，线性网格方法的性能不是很好。为了克服这个缺陷，构建了整体弹性网格以及局部弹性网格(如图3(c)和3(d)所示)，它们能各自地同样整体性或区域性在每行每列中分配黑色像素。线性网格方法和弹性网格方法处理过得图像的直方图如图4所示。据图所示，弹性网格方法能平均划分直方图的分布，因此，它能塑造和规范手写字

9、符的图像，并不能容忍由不同的书写方式造成的字符的局部变形和拉伸。4-a：线性网格直方图4-b:整体弹性网格直方图图45实验5.1实验数据实验数据是HCL2000数据库，这是北京邮电大学和电信为中国863项目收集的。它包含3755经常使用的简体中文字符，和所有的正常化人物形象的64X64像素。一部分实验样品如图5所示。阿銅耳林村感爲儡粮窶实蹄卷痒/琪、驻图5：HCL资料库中的一些例子为了减少运行时间，提高工作效率，在不同的实验样品的数量是不同的。例如，我们使用100套训练和30套测试在最佳参数中来测定实验Gabor特征。为了在关键的实验获得更可靠的实验结果，如比较Gabor特征和梯度特征之间的性

10、能，使用300套训练和100套测试。这是里值得指出的是，因为在训练集和测试集不同的实验是不同的，对精度识别，用同样的方法获得的，也都是外来不同的实验。然而,它不会影响比较实验和研究本文的结论。5.2针对不同的网格性能比较方法在这一节，我们将比较性能这三个方法在第4节描述下的Gabor特征提取和梯度特征提取。我们使用30套训练和100套测试。对于渐变功能，我们使用的方向数是8和原特征向量的参数是512,我们使用LDA的（线性分析）减少的尺寸为256,分类是一个最小距离分类。表1的结果说明。Gabor特征，我们不使用LDA来减少尺寸。另外，我们提取两种Gabor特征的方向参数8和4,原始尺寸分别为

11、512和256。结果表2给出。表1对不同的性能比较网格下梯度功能的方法网格原始特性LDA的功能线性网格76.3106%80.4954%整体弹性网格90.8078%93.4735%局部弹性网格90.3980%94.083%表2对不同的性能比较网格下梯度功能的方法网格256三维立体512三维立体线性网格73.3145%82.4954%整体弹性网格91.1278%92.4734%局部弹性网格91.3980%95.085%从表1中，我们可以清楚地看到，局部弹性网格明显优于线性网格和整体弹性网格，并且局部弹性网格在梯度特征提取与LDA转变要比整体弹性网格要好点。从表2,我们也可以得出同样的结论，无论尺寸

12、是或大或小的，局部弹性网格是在这三个方法中最好方法。原因是，线性网格不能调节笔画变形和位移。由于局部弹性良好的性能，它适用于所有的下面的实验。53Gabor特征的最佳参数测定根据第二章节的阐述说明，Gabor特征有两个参数：（pk（或D）和入。在这个章节,我们将要通过实验决定哪个是最佳的参数。据参考书目9所述，波长的最优值是振幅宽度的两倍。但图形5显示振幅宽度变化很大。所以我们不得不通过实验选出最优值。我们假设D=8,意思是pk=nk/D（k=0,l,7）.,把入当成一个变量,然后通过把70个集合用于训练，30个集合用于测试来选出最优值。方向数是8,初始值是512.我们也使用LDA把值降低至2

13、56.表3阐述说明了这个结果。根据表3,入的最优值是9,而在数据库中，字符振幅的宽度大约是4因此这个结果是与参考书目9中的结论是同步的。在另一个实验中，我们假设入=9，然后300个集合用于训练，100用于测试，初始值是64XD，然后我们运用LDA把数值降低至初始值的一半。表4阐述说明了这个结果。表3针对不同的入下Gabor特征的比较kOriginalfeatineLDAfeamre457.156%76.064%561.193%189%673.751%83.270%782.057%86.765%S85.268%88.248%985.923%88.493%1085.608%88.478%1184.

14、522%88.091%1282.477%87.302%表4针对不同的入的Gabor特征DOriginalfeatureJLDAfeature150.486%54.249%272.538%77.533%376.261%81.497%485.272%88.483%588.401%90.651%688.628%91.070%88.909%91.559%888.835%91.598%988.859%91.685%1088.860%91.689%如表4所示，识别的准确率是随着D的增加而增加，无论是否使用LDA。但增幅是多样的对于不同的D.当D25，增幅非常小，特别是对原功能。因此，考虑到特征维数，计算和

15、识别的准确率，我们确认，只需5个Gabor特征的方向性参数是必要去实现一个足够好的表现，而不是在文献中被广泛使用的8个方向。5.4梯度特征对单通道和多通道的gabor特征性能的比较Gabor特征测试中我们使用了训练300套和测试100套。方向数为8的原始尺寸为512，我们也用LDA的尺寸，以减少到256。分类是一个最小距离分类。我们提取三通道特征分别为一个通道Gabor特征，三个通道Gabor特征（这三个过滤器的波长是6、9和12,D的定向参数设置为5）和梯度特征，然后相互比较它们的性能。结果如表5所示。表5Gabor特征提取与比较特征原始特性LDA的功能一个通道86.3766%84.4124

16、%三个通道90.8728%93.4183%梯度92.3921%94.0781%根据表格五所示，无论使用LDA与否，梯度特征的识别准确度与通道一Gabor特征相比高大约4%，并比通道三Gabor特征高大约2%。与单通道的Gabor特征相对比，多通道的Gabor特征高大约2%。然而，在多通道的Gabor特征的情况下，估算会迅速增长。刘等人使用手写体数字和印刷体日语字符识别系统比较了这两种方法。他们使用两种手写体数字数据库和一种印刷体日语数据库，结果是与梯度征相比，通道一Gabor特征在两种手写数字数据库中执行得稍微欠缺（准确性的不同之处在于低于0.5%），而在印刷体日语数据库中更好;并且通道二Ga

17、bor特征改善了通道一Gabor的性能并在一种手写体数字数据库中好于梯形特征但在另外一种手写体数字数据库相对较差。这些结果不同于我们的实验结果，而原因众多。首先，特性的数量和手写体汉字的相似特性远多于手写体日语和印刷体数字。其次，汉字有更多的书写方式，尤其是在脱机的手写体特性中。由于Gabor特性敏感于振幅的宽度，所以当样品的震幅宽度变化很大时，其性能将会减弱。虽然多通道Gabor特性在某个特定范围内能克服这个缺陷，但它仍然没有梯形特征那么好！6结论Gabor特征和梯度特征在手写汉字识别中已被证明是两个最有效的特征。在本文中，比较研究了Gabor特征和梯度特征对中国手写汉字的识别。我们观察到:（1）在手写体汉字字符识别中Gabor特征远不如梯度特征，因为它对笔触宽度是非常敏感的。虽然多通道Gab