基于切分的印刷體維吾爾文單詞識別.pdf

1、文字識別是模式識別應用的一個分支。維吾爾文（簡稱維文）的識別研究對推動我國多民族信息化的發(fā)展和維護民族團結(jié)有著重要的意義。相對于漢字、英文以及日文的識別，維文的識別研究起步較晚，相關的研究成果比較少。維文識別包括印刷體和手寫體兩方面的研究，維文單詞的識別可以分為基于切分和基于整詞兩種方法。本文研究基于切分的印刷體維文單詞識別，即先將印刷體維文單詞切分成維文字符，再對這些維文字符進行分類識別，最后對識別結(jié)果進行后處理操作。本文具體研究內(nèi)容

2、如下：
　　1.詳細介紹了維文OCR識別的研究現(xiàn)狀及意義，分析了印刷體維文單詞及字符的特點以及識別難點。
　　2.建立印刷體維文字符數(shù)據(jù)庫。通過采集ALKATIP Basma、ALKATIPJornal、ALKATIPTor等11套字號為初號的常用維文印刷字體建立數(shù)據(jù)庫，其中每套字體包含完整的128個維文字符，共1408個印刷體維文字符樣本。該數(shù)據(jù)庫是本文研究工作的重要依據(jù)。
　　3.維文屬于粘著型拼音文字，將維文單詞

3、切分成字符是維文OCR識別中的難點之一。針對維文字符切分這一難點問題，本文在傳統(tǒng)基于投影的維文字符切分算法基礎上，提出了將連通域標記與垂直投影相結(jié)合的切分算法。該算法可以簡述為利用連通域標記算法將維文單詞中連體段與單立字符區(qū)分開，接著采用垂直投影確定連體段的切分點。實驗結(jié)果顯示該算法能有效避免切分后維文字符畸變。此外，本文還提出了改進的印刷體維文單詞基線標定算法，實踐證明該算法能快速準確地標定出維文單詞基線。
　　4.在印刷體維文

4、字符識別過程中，首先本文將連通域標記去噪與數(shù)學形態(tài)學濾波相結(jié)合對維文單詞及字符進行預處理，該方法能有效去除維文圖像中的孤立噪聲點以及消除文字間的斷筆現(xiàn)象。此外，針對維文字符中相似字符較多這一現(xiàn)象，如文字符省略，本文提取維文字符的方向線素特征和梯度特征，并使用歐氏距離分類器對其進行分類識別。實驗結(jié)果顯示印刷體維文字符識別的前1候選的平均識別率可達到91.26％。最后，本文根據(jù)維文單詞的拼寫規(guī)則，采用隱馬爾科夫模型對字符的識別結(jié)果進行后處理