一种基于结构模型的汉字识别方法

暂无

技术领域\n本发明涉及基于结构模型的汉字识别方法，要求保护的技术方 案属于模式识别、人工智能和中文信息处理领域。\n背景技术\n经过几十年的发展，汉字识别技术业已取得长足进步。但是， 无限制的手写体汉字识别，特别是脱机手写体汉字识别，距离人们 的期望还有一定的距离。为了解决脱机手写体汉字识别这一问题， 目前多采用统计方法和神经网络方法，通过对大量手写体汉字样本 的学习，达到适应汉字变形的目的。这种方法需要搜集海量样本和 花费巨大的学习时间，但效果并不十分理想。结构方法对变形的适 应能力强，没有搜集样本和进行学习的负担，但现有的结构方法虽 然在联机手写体汉字识别中取得相当成功，却难以运用到脱机汉字 识别领域中去。\n发明内容\n本发明所要解决的技术问题是提供一种有效识别汉字的结构方 法，该方法识别正确率高，稳定性好，既可用于手写体汉字识别， 也可用于印刷体汉字识别，既可用于脱机汉字识别，也可用于联机 汉字识别。\n用结构方法识别汉字的首要问题是建立汉字图像的结构模型。 本发明提供两种用于描述汉字结构的数学模型：笔段中心点模型和 笔划关系矩阵模型。\n笔段中心点模型以笔段为组成汉字的基元，通过笔段的类型和 位置来描述汉字。这里，笔段指汉字图像中与人们对横、竖、撇、 捺四种基本笔划(其它笔划可由这四种基本笔划组合而成)的认识 相符合的一个前景像素的集合。笔段中心点模型的表述如下：\n1)笔段类型\n根据笔段对应的方向向量，分为横、竖、撇、捺四种。\n2)笔段位置\n笔段位置由笔段的中点欧氏坐标来表示，称之为中心点坐标。该 坐标是在规范化汉字图像上求得的。\n3)模型构成\nH＝{(Xi，Yi，Ti)}，i＝1，2，…，N               (1)\n其中，H表示汉字，Xi为第i个笔段的中心点横坐标值，Yi为第 i个笔段的中心点纵坐标值，Ti表示第i个笔段的类型，取值为横、 竖、撇、捺四种之一，N为组成汉字的笔段个数。\n公式(1)说明，如果一个规范化汉字图像在所有确定位置上(由 Xi和Yi确定)都有确定类型(由Ti确定)的笔段，则这个图像就是 某一汉字(由H确定)，反之则不是。\n以笔段中心点模型为基础，本发明提供如下的汉字识别方法， 该方法被称为笔段中心点识别法。\n首先确定每个汉字类别所对应的标准笔段中心点模型。识别时， 计算待识别汉字所对应的笔段中心点模型与诸标准笔段中心点模型 之间的距离，以距离最小者所属类别或次小的前N个所属类别为识 别结果。距离的计算公式如下：\n\n其中，D(SP，RP)表示标准中心点集合与待识中心点集合之间的 距离，Q表示标准中心点集合与待识中心点集合之间可匹配的笔段 的最大个数，I表示标准中心点集合的笔段个数，J表示待识中心点 集合的笔段个数，J′表示从输入笔段集合中除去在匹配过程中被认 为是连笔的笔段以后剩下的笔段个数。(GiX，GiY)为标准中心点集合 的中心点坐标，(HjX，HjY)为待识中心点集合的中心点坐标，MSi 表示已经与标准中心点集合中前i-1个笔段相匹配的待识中心点集 合中的笔段子集，Simi(STi，PTj)表示标准中心点集合中第i个笔段 的类型与待识中心点集合中第j个笔段的类型的相似度，V为所允许 的笔段个数差异的阈值，T为给不能匹配的笔段所赋予的最大距离 的阈值，W为允许匹配的笔段之间的最小距离的阈值。\n笔段中心点识别法的具体步骤如下：\n(1)建立每一个汉字的标准笔段中心点集合；\n(2)将待识汉字规范化到标准大小，然后提取待识别汉字中 的所有笔段，形成待识别中心点集合；\n(3)按公式(2)计算每个标准中心点集合与待识别中心点集 合之间的距离，并以之作为每个标准汉字与待识别汉字 之间的距离；\n(4)在所有标准汉字中，取与待识别汉字之间距离最小者或 次小的前N个为识别结果。\n笔划关系矩阵模型以笔划为组成汉字的基元，通过笔划的类型 以及相互之间的位置关系来描述汉字。这里，笔划是指人们通常所 认识的汉字笔划。笔划关系矩阵模型的具体形式为：\n(1)笔划的类型\n见附图1\n(2)笔划之间的相互位置关系\n为了尽可能的表示一个汉字各种形态之间的共性而忽略那些有 可能产生剧烈变动的因素，我们将各笔划之间的相互位置关系模糊 化为六种：上、下、左、右、交叉、相连。\n(3)组合模型\n由于汉字图像是二维的，所以笔划及其相互位置关系用二维方 式来表达能更精确地反映其结构特征。我们采用矩阵的形式来描述：\n          S1      S2        .....   SN-1        SN\nS1      R11      R12       .....   R1(N-1)      R1N\nS2      R21      R22       .....   R2(N-1)      R2N\n.....    .....     ....       .....   ......       .....\nSN-1     R(N-1)1   R(N-1)2    .....   R(N-1)(N-1)    R(N-1)N\nSN      RN1      RN2       .....   RN(N-1)      RNN\n其中，S代表笔划，R代表关系，N代表笔划个数。S1～SN代 表行或列的意义，即笔划类型，R11～RNN为矩阵元素，表示与之对 应的行与列上两笔划之间的相互位置关系。\n以笔划关系矩阵模型为基础，本发明提供如下的汉字识别方法， 该方法被称为笔划关系矩阵识别法：\n首先确定每个汉字类别所对应的标准笔划关系矩阵模型。识别 时，计算待识别汉字所对应的笔段集合与诸标准笔划关系矩阵模型 之间的相似度。以相似度值最大者所属类别为识别结果。相似度值 的计算公式如下：\n\n其中，S(SP，RP)表示标准矩阵与待识矩阵之间的相似度， BN(SP)表示与标准矩阵对应的笔段个数，BN(RP)表示与待识矩阵 对应的笔段个数，BN(RP′)表示从待识矩阵对应的并且在匹配过程 中除去被认为是连笔的笔段之后剩下的笔段个数，SS(Sk，Tk)表示标 准矩阵中第k个笔划与待识矩阵中第k个笔划之间类型上的相似度 (k为i或j)，RS(Rij，Gij)表示标准矩阵中第i行第j列元素与待识 矩阵中第i行第j列元素之间的相似度，V为所允许的笔段个数差异 的阈值。\n笔划关系矩阵识别法的具体步骤如下：\n(1)建立每一个汉字的标准笔划关系矩阵模型。\n(2)将待识别汉字规范化到标准大小，然后提取待识别汉字 中的所有笔段，形成输入笔段集合。\n(3)按公式(3)计算每个标准矩阵与输入笔段集合之间的相 似度，并以之作为每个标准汉字与待识别汉字之间的相 似度。\n(4)在所有标准汉字中，取与待识别汉字之间相似度最大的 一个为识别结果。\n笔段中心点识别法与笔划关系矩阵识别法各有特点，笔划关系 矩阵识别法更精确，笔段中心点识别法速度更快。因此，本发明提 供的汉字识别方法采用笔段中心点识别法进行粗分类，采用笔划关 系矩阵识别法进行细分类。同时，笔段中心点识别法对形状比较规 范的汉字进行识别的正确率也是令人满意的，因此，在实施本发明 识别形状比较规范的汉字时，可以单独采用笔段中心点识别法进行 细分类。\n本发明具有以下优点：\n1、本发明提供的汉字识别方法以统一的机制进行汉字识别， 既可用于脱机识别，也可用于脱机识别，既可用于手写体识别，也 可用于印刷体识别。\n2、本发明提供的汉字识别方法识别正确率高，对变形的适应 能力强，稳定性好。\n附图说明\n图1是笔划关系矩阵模型中的笔划类型图；\n图2是笔段中心点模型的示意图；\n图3是笔划关系矩阵模型的示意图；\n图4是汉字识别方法的总体框图\n图5是笔段中心识别法的汉字识别流程图；\n图6是笔划关系矩阵识别法的汉字识别流程图；\n具体实施方式\n本发明可实施于需要进行汉字识别的各种场合，优选方式为联 机手写体汉字识别系统及装置，脱机印刷体汉字识别系统及装置， 脱机手写体汉字识别系统及装置。实施例，在GB2312-80规定的6763 个汉字范围内，对无限制自由手写汉字进行识别，笔段中心点分类 器识别前十位候选字的正确率为99％以上，平均识别速度为1秒/字， 笔划关系矩阵分类器的识别正确率为91.2％以上，平均识别速度为 0.2秒/字。