印刷體漢字識(shí)別系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、漢字已有數(shù)千年的歷史，也是世界上使用人數(shù)最多的文字。然而，漢字是非字母化、非拼音化的文字，因此，快速高效地將漢字輸入計(jì)算機(jī)，是信息處理的一個(gè)關(guān)鍵問(wèn)題。人工鍵入勞動(dòng)強(qiáng)度大，對(duì)于大量的已有文檔資料，漢字自動(dòng)識(shí)別輸入就成為了最佳的選擇。它在中文信息處理，辦公自動(dòng)化，機(jī)器翻譯，人工智能等高科技領(lǐng)域，都有著重要的實(shí)用價(jià)值和理論意義。本文在研究當(dāng)前光學(xué)字符識(shí)別(OCR)系統(tǒng)及相關(guān)識(shí)別技術(shù)的基礎(chǔ)上，設(shè)計(jì)開(kāi)發(fā)了一套印刷體漢字識(shí)別系統(tǒng)。主要工作如下：其一

2、，為了解決單個(gè)分類器分類效果不理想的情況，本文從分類器集成的角度出發(fā)，設(shè)計(jì)了多個(gè)具有特征互補(bǔ)，匹配方法不同的分類器，有效的提高了漢字分類的識(shí)別效果。 其二，為了提高圖像預(yù)處理質(zhì)量，解決二值化過(guò)程中全局二值化適應(yīng)性差，局部二值化速度慢的問(wèn)題，本文提出了一種基于文字邊界輪廓提取的二值化方法。算法首先提取出文本圖像的邊界輪廓，然后根據(jù)已提出的邊界輪廓和原圖的信息，對(duì)輪廓內(nèi)的空白部分進(jìn)行填充來(lái)完成圖像的二值化。實(shí)驗(yàn)結(jié)果表明，此方法速度明

3、顯快于局部二值化方法，二值化效果優(yōu)于全局法。 此外，本文對(duì)漢字識(shí)別過(guò)程中的關(guān)鍵步驟進(jìn)行了研究，提出了一些新的方法：1)在版面分析中，利用數(shù)學(xué)形態(tài)學(xué)方法，采用基于組件的方法來(lái)進(jìn)行版面分析；2)在圖像的傾斜校正中，提出了基于最佳特征點(diǎn)的迭代最小二乘法算法；3)在特征提取方面，給出了漢字結(jié)構(gòu)點(diǎn)，連通體，封閉區(qū)域，筆劃等特征的提取方法。在對(duì)筆劃撇、捺提取中提出了一種基于方向加權(quán)的筆劃提取方法?？傊?，利用以上算法得到的印刷體漢字識(shí)別系統(tǒng)的