论文部分内容阅读
在电子技术发展迅速的今天,手写识别作为一种方便快捷的输入方式受到越来越多的推广和使用。然而,在无约束的自由书写过程中,即使同一字符的书写信息也会存在较大差异:包括笔顺的变异、字形的变化、笔画的变形等。为提取有效的类别特征,得到较好的识别效果,必须排除这些干扰,克服同类字符的书写差异,实现同类字符的归一。字符规整化技术正是应此需求而生。脱机字符识别中要处理的字符对象通常存为图像格式,通过像素灰度存储字符信息。因此,脱机规整实现的任务较为单一,通过构建重定位函数,将各像素点映射到某一标准平面,实现字形的调整和归一。联机字符识别的研究对象是具有时序特征的笔迹序列,以点集形式记录了字符书写时各笔画的轨迹和起止。联机信息的规整有更高的复杂性,规整目标主要集中在笔画变形和笔顺变化的处理上。目前对联机字符的识别研究分为两类:一类是将联机笔迹信息转化为图片格式,继而使用脱机规整和脱机识别的方法进行分类;一类是基于笔画等时序信息,通过与模板样本匹配识别。本文结合上述两种联机识别的基本方法,经过两次DDA连续处理,将脱机字形规整技术引入到联机识别的预处理阶段。这些脱机规整化方法包括MCBA,LDPI,P2DCBA,P2DLDPI。将规整后的笔迹序列与模板样本的笔画对应,实现笔顺规整。最后提出一种极小化笔画间差异的方法,通过笔画的旋转和位移实现各笔画书写角度和位置的规整。基于HIT-OR3C联机样本库的实验证明,将脱机规整化方法应用于联机识别的字形规整中,在一定程度上克服了书写过程中出现的字形变化,结合笔顺规整和笔画规整的匹配识别取得了较好的实验效果。与联机字符转化为脱机识别的方法相比,综合运用多个规整步骤的联机识别充分利用了字符的书写特征,在有限的训练集上达到了更高的识别准确率。同时通过对比MNISTS数字库上的多组识别实验结果,分析和总结了四种字形规整方法对灰度特征和梯度特征的影响。