论文部分内容阅读
手绘草图自然、简便，可表达不完备模糊概念，便于用户进行创造性活动，在模式识别和人机交互等相关领域中受到越来越多的关注。随着手写文字和手绘草图的应用范围迅速扩大，在线手绘图符识别已有相当广泛的研究，其中图符特征表示、智能化图符识别方法、学习能力的优劣以及基于手绘草图的三维形状输入问题已成为该领域研究的重点。本文从手绘图符识别方法的用户手绘习惯适应性、小样本学习、基于手绘图符的三维形状描述三个方面，对手绘图符识别方法进行了深入而系统的研究。
本文的创新性贡献具体体现在以下几个方面：
第一，针对图符识别方法对不同用户手绘风格适应性的问题，本文提出智能化识别方法，分析比较了分类方法与用户手绘习惯特征表示之间的关系。本文选择了具有代表性的三种机器学习方法，包括支撑向量机、隐马尔科夫模型和贝叶斯置信网，提出面向手绘图符的分类器模型和识别策略，从多用户样本和不同规模样本集两个角度分别设计实验，比较三种方法的识别精度和效率，分析识别方法、特征表示、用户绘图习惯之间的关系。实验结果表明：图符特征对不同用户手绘习惯的表示能力相似，而对机器学习方法的识别效果和分类器训练时间的影响很大；贝叶斯分类器比支撑向量机、隐马尔科夫模型更适合于多笔画图符识别，且训练时间最优。
第二，针对手绘图符智能化识别方法中存在的“收集足够数量模板或样本并保持其区分度”的问题，首次将人工免疫思想引入手绘图符识别，从少量手绘样本中获得大量有代表性的样本。本文以基于人工免疫的手写签名认证为例，建立面向手写签名的人工免疫模型，通过样本训练实验验证人工免疫思想在模式识别领域的可行性；创新性地提出一种面向手绘图符识别的基于检测器生成的克隆选择算法及其评价机制，该算法采用r—连续位不变规则和p—受体编辑生成初始检测器，使算法具有更广泛的搜索空间而不致陷入局部收敛，并以手写文字为例，评价该算法各参数对个体训练的影响，分析单类别图符和多类别图符的分类效果，实验结果表明该算法较好的改进了手绘图符样本的训练过程及分类情况。
第三，针对基于手绘草图的三维形状输入中的三维形状描述能力问题，本文对目前三维对象检索中常用的典型三维形状描述子作了全面的分析和比较，将其中典型的几种形状描述子应用到三维形状识别中，通过三维形状检索实验鉴别单一描述子和相应的组合描述子的形状区分能力。实验结果表明，对于对象描述能力良好的三维形状描述子，其组合描述子的描述能力和识别精度优于各单一描述子。