印刷体文字的识别研究方法分类介绍.pdfVIP

印刷体文字的识别研究方法分类介绍 识别方法是整个系统的核心。用于汉字识别的模式识别方法可 以大致分为结构模式识别、统计模式识别及两者的结合。下面分别进 行介绍。 结构模式识别 汉字是一种特殊的模式，其结构虽然比较复杂，但具有相当严格 的规律性。换言之，汉字图形含有丰富的结构信息，可以设法提取含 有这种信息的结构特征及其组字规律，作为识别汉字的依据，这就是 结构模式识别。 结构模式识别是早期汉字识别研究的主要方法。其主要出发点是 汉字的组成结构。从汉字的构成上讲，汉字是由笔划(点横竖撇捺等)、 偏旁部首构成的；还可以认为汉字是由更小的结构基元构成的。由这 些结构基元及其相互关系完全可以精确地对汉字加以描述，就像一篇 文章由单字、词、短语和句子按语法规律所组成一样。所以这种方法 也叫句法模式识别。识别时，利用上述结构信息及句法分析的方法进 行识别，类似一个逻辑推理器。 用这种方法来描述汉字字形结构在理论上是比较恰当的，其主要 优点在于对字体变化的适应性强，区分相似字能力强；但是，在实际 应用中，面临的主要问题是抗干扰能力差，因为在实际得到的文本图 象中存在着各种干扰，如倾斜，扭曲，断裂，粘连，纸张上的污点， 对比度差等等。这些因素直接影响到结构基元的提取，假如结构基元 不能准确地得到，后面的推理过程就成了无源之水。此外结构模式识 别的描述比较复杂，匹配过程的复杂度因而也较高。所以在印刷体汉 字识别领域中，纯结构模式识别方法已经逐渐衰落，句法识别的方法 正日益受到挑战。 统计模式识别 统计决策论发展较早，理论也较成熟。其要点是提取待识别模式 的的一组统计特征，然后按照一定准则所确定的决策函数进行分类判 决。 汉字的统计模式识别是将字符点阵看作一个整体，其所用的特征 是从这个整体上经过大量的统计而得到的。统计特征的特点是抗干扰 性强，匹配与分类的算法简单，易于实现。不足之处在于细分能力较 弱，区分相似字的能力差一些。常见的统计模式识别方法有： (1) 模板匹配。模板匹配并不需要特征提取过程。字符的图象直 接作为特征，与字典中的模板相比，相似度最高的模板类即为识别结 果。这种方法简单易行，可以并行处理；但是一个模板只能识别同样 大小、同种字体的字符，对于倾斜、笔划变粗变细均无良好的适应能 力。 (2)利用变换特征的方法。对字符图象进行二进制变换(如Walsh, Hardama 变换)或更复杂的变换(如Karhunen-Loeve, Fourier,Cosine， Slant变换等)，变换后的特征的维数大大降低。但是这些变换不是旋 转不变的，因此对于倾斜变形的字符的识别会有较大的偏差。二进制 变换的计算虽然简单，但变换后的特征没有明显的物理意义。K-L 变 换虽然从最小均方误差角度来说是最佳的，但是运算量太大，难以实 用。总之，变换特征的运算复杂度较高。 (3)投影直方图法。利用字符图象在水平及垂直方向的投影作为 特征。该方法对倾斜旋转非常敏感，细分能力差。 (4)几何矩(Geometric Moment)特征。M. K. Hu 提出利用矩不变量 作为特征的想法，引起了研究矩的热潮。研究人员又确定了数十个移 不变、比例不变的矩。我们都希望找到稳定可靠的、对各种干扰适应 能力很强的特征，在几何矩方面的研究正反映了这一愿望。以上所涉 及到的几何矩均在线性变换下保持不变。但在实际环境中，很难保证 线性变换这一前提条件。 (5)Spline 曲线近似与傅立叶描绘子(Fourier Descriptor)。两种方法 都是针对字符图象轮廓的。Spline 曲线近似是在轮廓上找到曲率大的 折点，利用Spline 曲线来近似相邻折点之间的轮廓线。而傅立叶描绘 子则是利用傅立叶函数模拟封闭的轮廓线，将傅立叶函数的各个系数 作为特征的。前者对于旋转很敏感。后者对于轮廓线不封闭的字符图 象不适用，因此很难用于笔划断裂的字符的识别。 (6)笔划密度特征。笔划密度的描述有许多种，这里采用如下定 义：字符图象某一特定范围的笔划密度是在该范围内，以固定扫描次 数沿水平、垂直或对角线方向扫描时的穿透次数。这种特征描述了汉 字的各部分笔划的疏密程度，提供了比较完整的信息。在图象质量可 以保证的情况下，这种特征相当稳定。在脱机手写体的识别中也经常 用到这种特征。但是在字符内部笔划粘连时误差较大。 (7)外围特征。汉字的轮廓包含了丰富的特征，即使在字符内部笔 划粘连的情况下，轮廓部分的信