基于笔划密度特征的二叉树SVM脱机手写体汉字识别方法研究

摘要

脱机手写体汉字识别技术是模式识别领域的一个研究课题,具有广泛的应用前景。脱机手写体汉字不仅具有字符集庞大、字体类别多、字型变化多、相似字多的共性,还具有书写风格众多、书写不规范和随意性较大等特点。本文在对脱机手写体汉字笔划密度特征分析研究的基础上,研究了一种基于汉字笔划密度特征的二叉树SVM的脱机手写体汉字多级粗分类与“一对多”SVM细分类相结合的汉字识别方法,论文的主要研究工作如下:
　　1、在研究汉字结构特征与统计特征的基础上,定义了脱机手写体汉字整体笔划密度特征和细节笔划(横、竖、斜)密度特征,用作脱机手写体汉字多级粗分类依据。
　　2、在统计分析脱机手写体汉字像素密度特征分布的基础上,建立了汉字粗分类类别;根据粗分类类别的划分,构造不同粗分类策略的二叉树结构形式,并对二叉树SVM进行训练;给出了用于剪枝二叉树SVM粗分类的相似度定义和粗分类算法,仿真实验表明,脱机手写体汉字多级粗分类达到了预期效果。
　　3、在粗分类的基础上,提取脱机手写体汉字的外围轮廓特征和小波多网格特征作为SVM细分类识别的输入,研究了用于脱机手写体汉字识别的SVM“一对多”算法。仿真实验表明,具有良好的识别结果。
　　论文选用SCUT-IRACHCCLIB中手写体汉字作为实验样本,以MATLABR2011a为仿真平台,对本文提出的基于像素密度二叉树SVM分类识别的方法进行了实验验证,结果表明本文方法是可行的。

目录

封面

声明

声明

中文摘要

英文摘要

致谢

目录

插图清单

表格清单

第一章 绪论

1.1 脱机手写体汉字识别研究背景及意义

1.2 脱机手写体汉字识别的研究现状及发展趋势

1.3 脱机手写体汉字识别的难点

1.4 论文的内容和安排

第二章 脱机手写体汉字图像预处理与特征提取

2.1 脱机手写体汉字图像的预处理

2.3 粗分类特征提取方法

2.4 细分类识别汉字特征提取方法

第三章 二叉树SVM脱机手写体汉字粗分类研究

3.1 脱机手写体汉字多级分类

3.2 基于相似度二叉树SVM粗分类方法

3.3 粗分类算法

3.4 粗分类仿真实例

第四章 脱机手写体汉字细分类识别

4.1 脱机手写体汉字图像识别流程

4.2 支持向量机多分类算法

4.3 脱机手写体汉字细分类算法

第五章 脱机手写体汉字识别仿真

5.1 实验样本的选取

5.2 实验实例

第六章 总结与展望

6.1 论文工作总结

5.2 今后研究工作展望

参考文献

攻读硕士学位期间发表的论文