傳真收件人姓名字符識別技術(shù)研究與應(yīng)用.pdf

1、傳真文件收件人姓名自動識別系統(tǒng)屬于專用OCR系統(tǒng)開發(fā)范疇。專用OCR系統(tǒng)的開發(fā)，將在很大程度上拓寬OCR技術(shù)的應(yīng)用領(lǐng)域，提高相關(guān)應(yīng)用領(lǐng)域的自動化程度。同時，由于系統(tǒng)所要處理的對象是特定的，在系統(tǒng)的實(shí)現(xiàn)過程中所遇到的一些新問題和所采用的新方法，對于OCR技術(shù)的研究具有一定的理論價值。在專用OCR系統(tǒng)中，傳真收件人姓名字符的識別技術(shù)具有較好的應(yīng)用前景及實(shí)用價值。 本文針對傳真收件人姓名字符的識別技術(shù)進(jìn)行了研究與應(yīng)用。在字符圖像預(yù)處理

2、方面，除對傳統(tǒng)方法的研究外，根據(jù)傳真收件人姓名字符圖像的特殊性，經(jīng)過多次實(shí)驗(yàn)，選取了適合于傳真字符圖像的二值化、噪聲過濾、傾斜校正、字符大小歸一化及細(xì)化等方法；針對傳真收件人姓名字符可能存在書寫線的特點(diǎn)，對書寫線的檢測和去除方法進(jìn)行了分析，使用了一種基于數(shù)學(xué)形態(tài)學(xué)的書寫線去除方法；在字符切分上，對于規(guī)格比較統(tǒng)一、字符分離清晰的字符區(qū)域使用最常用的基于投影分析的波峰-波谷法對字符圖像進(jìn)行切分，以便進(jìn)行字符識別，針對投影法無法切分的粘連字符

3、塊，采用了一種根據(jù)字符筆畫信息，尋找合適的分割點(diǎn)和分割路徑的分割方法。 在文字識別方面，本文基于不同的網(wǎng)絡(luò)模型有其自身特點(diǎn)，利用多神經(jīng)網(wǎng)絡(luò)集成技術(shù)，建立了一種利用多特征的多級混合神經(jīng)網(wǎng)絡(luò)的識別系統(tǒng)來處理字符識別問題，并提高其識別率。識別系統(tǒng)的分類器由字符粗分類和細(xì)分類兩級組成，本文的自組織聚類網(wǎng)絡(luò)可以很好地給出模式在多維空間的概率分布估計(jì)，結(jié)合字符的筆劃復(fù)雜性指數(shù)、四邊碼、粗外圍輪廓等特征可以較好估計(jì)出字符的粗分類結(jié)果。BP網(wǎng)絡(luò)

4、有著優(yōu)秀的非線性映射特征和對輸入矢量的分類能力，使用BP網(wǎng)絡(luò)和字符的輪廓特征、筆劃穿越密度特征構(gòu)建字符的二級細(xì)分類器可以分析相似字符的細(xì)微差別。實(shí)驗(yàn)結(jié)果表明，使用混合神經(jīng)網(wǎng)絡(luò)的傳真收件人姓名字符識別方法對大字符集樣本的識別率達(dá)到了91％左右，比使用單一神經(jīng)網(wǎng)絡(luò)提高了8％。在字符識別方面，本文還著重研究了支持向量機(jī)。支持向量機(jī)是屬于高維數(shù)小樣本的學(xué)習(xí)識別機(jī)器，這樣在給出了更多特征維數(shù)后，可以由少量的樣本，就可以達(dá)到很高的識別率。結(jié)合特征提

5、取方法，我們提取了多達(dá)幾百維的特征，用支持向量機(jī)識別，取得了較高的識別率。文中對四種常用的核函數(shù)分別進(jìn)行了實(shí)驗(yàn)，選取了對姓名字符具有較高識別率的徑向基內(nèi)積函數(shù)，同時對核函數(shù)的不同參數(shù)進(jìn)行了測試，根據(jù)測試結(jié)果本文系統(tǒng)選取σ2為0.5作為徑向基內(nèi)積函數(shù)的參數(shù)值，其識別率達(dá)到了94.08％左右。 同時，本文針對傳真文件使用上的靈活性及中文傳真的特殊性，提出了一種用于解決中文傳真收件人姓名自動識別的方案，并部分實(shí)現(xiàn)了傳真收件人姓名自動識