基于笔画顺序恢复的相似手写汉字识别方法研究

摘要

现有手写汉字识别方案通常选用统计特征进行模型训练及分类，候选结果可控制在较为理想的范围内。然而由于相似汉字的统计特征差异程度低，从候选结果中准确识别出目标汉字的成功率不甚理想。相较统计特征，汉字笔画的位置与顺序信息对相似字具有更好的区分度，但笔画抗干扰能力弱，提取难度较大。 本文围绕相似手写汉字识别问题开展研究，在提取线状笔画的基础上，利用笔画信息作为区分相似字的依据。主要研究工作如下： （1）为避免骨架形变对笔画提取产生影响，提出一种复杂区域检测方法，用以定位笔画交叉、分支等区域。通过传统细化算法获取手写汉字原始骨架，将骨架点分为端点、普通点和复杂点三类，利用8邻域窗口扫描相互连通的复杂点，能取得良好的检测效果。快速定位并删除复杂区域后，形变部位被有效移除，骨架分解为简单笔画段的合集。 （2）基于复杂区域检测，提出一种局部关联度最优的手写汉字笔画提取方法。从笔画段中提取局部子段，根据方向与曲率变化程度，计算子段间的局部关联度；制定一种局部关联度最优的连接策略，对满足连接条件的笔画段进行插值拟合，从而提取自然笔画；最后通过拐点检测将自然笔画分解为线状笔画。基于局部关联度提取笔画，可有效解决细化算法带来的形变问题，所得笔画能够正确反映复杂区域的位置结构关系。 （3）在提取线状笔画的基础上，进一步提出基于笔画顺序恢复的相似字识别方法。对相似汉字分组归类，建立模板库；提取待识别文字笔画，与同组库文字逐一比对，比对过程中，根据模板库的标准信息，恢复待识别文字笔画顺序，生成对应时序曲线；针对汉字笔画特点，设计一种改进的分段DTW算法，用以计算时序曲线间的最优累积距离，作为最终区分相似字的依据。 相似字识别实验采用HCL2000手写体汉字数据库，从中归类出15组相似汉字，在单个汉字训练样本数不超过30的情况下，取得了93.45%的识别准确率。结果表明，通过对笔画顺序进行恢复，相似汉字间的差异得以充分体现，且基于曲线相似性比对的识别方法能够有效控制训练成本。

目录

声明

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 论文研究内容与章节安排

第2章 手写汉字笔画提取与相似字识别方法研究

2.1 骨架形变问题分析

2.2 相似汉字问题分析

2.3 基于笔画提取的相似字识别方案

2.4 性能评估指标

2.5 本章小结

第3章 局部关联度最优的手写汉字笔画提取方法

3.1 骨架拆分

3.2 局部关联度

3.3 笔画提取

3.4 实验结果分析

3.5 本章小结

第4章 笔画顺序恢复与相似字识别方法

4.1 手写汉字模板库

4.2 笔画时序信息恢复

4.3 相似字识别

4.4 相似字识别结果分析

4.5 本章小结

第5章 总结与展望

5.1 论文工作总结

5.2 后续研究工作展望

致谢

参考文献

攻读硕士学位期间取得的学术成果