在日常生活中經(jīng)常會(huì)遇到需要將紙質(zhì)上的文字轉(zhuǎn)換為可以被電子設(shè)備存儲(chǔ)的數(shù)字信息的情況�；谶@一需求誕生了文字識(shí)別技術(shù)。文字識(shí)別隸屬于模式識(shí)別學(xué)科,是在OCR(光學(xué)字符識(shí)別)的基礎(chǔ)上,對獲取圖片進(jìn)行預(yù)處理,特征提取,然后選擇合適的分類器識(shí)別不同文字的技術(shù)。顯然,文字識(shí)別擁有非常廣泛的應(yīng)用領(lǐng)域,特別是在郵政,考試,票據(jù)等很多需要識(shí)別復(fù)雜手寫體,且對精度需求極高的場合。本文所研究的西夏文字識(shí)別技術(shù)是近年來文字識(shí)別技術(shù)中待發(fā)展的全新領(lǐng)域。西夏文明作為中華文明中不可或缺的一部分,一直有待人們挖掘探索。作為西夏文明的載體,古西夏文字的識(shí)別工作顯得格外重要。不同于現(xiàn)代漢字,古西夏文字結(jié)構(gòu)復(fù)雜,組成字符的各部分偏旁極其相似,且平均筆畫高達(dá)25畫,難以數(shù)字化。此外,目前出土的西夏文載體主要以手抄本和活字刻版字為主,同一個(gè)字在不同文獻(xiàn)上的位置和布局均不相同,這都給文字識(shí)別工作帶來了很大困難。為解決這一難題,針對傳統(tǒng)的文字識(shí)別技術(shù)中存在的預(yù)處理數(shù)據(jù)冗余,特征復(fù)雜,泛化能力不足等問題,本文在采用HOG特征提取的基礎(chǔ)上,提出了基于改進(jìn)模糊支持向量機(jī)的西夏文字識(shí)別技術(shù)。模糊支持向量機(jī)是Lin Chun-fu等人為了解決支持向量機(jī)推廣到多分類時(shí)存在的混分和漏分問題而提出的新分類器。本文提出的基于多超平面距離度量的隸屬度函數(shù)對模糊支持向量機(jī)進(jìn)行了改進(jìn),通過用過正負(fù)類中心的超平面代替類中心的作用,用樣本點(diǎn)到各類中心平面及類中心的距離做比較來設(shè)計(jì)新的函數(shù)。根據(jù)樣本分布,賦予不同樣本點(diǎn)不同的權(quán)重,從而優(yōu)化了分類器。針對非平衡數(shù)據(jù)分類,在支持向量機(jī)的數(shù)學(xué)模型中引入了新的約束公式,減小了隸屬度函數(shù)賦值誤差,增強(qiáng)了新算法的泛化能力,進(jìn)一步優(yōu)化了分類器。本文將改進(jìn)后的模糊支持向量機(jī)應(yīng)用于西夏文字識(shí)別并進(jìn)行實(shí)驗(yàn),然后與已有的幾種常見算法進(jìn)行對比實(shí)驗(yàn),分析了各個(gè)算法的優(yōu)劣性。實(shí)驗(yàn)結(jié)果表明新方法具有收斂速度快,識(shí)別率高的優(yōu)點(diǎn),具有一定的應(yīng)用價(jià)值。本文的研究意義主要有四點(diǎn):首先,有利于西夏文字的再生保護(hù)。本文提出的技術(shù)實(shí)現(xiàn)了西夏文字的數(shù)字化,將古籍資料以圖像的形式存放在計(jì)算機(jī)里;其次,提高了文字整理效率。數(shù)字化后的圖像數(shù)據(jù)庫極大的方便了科研工作者;再次,提供了可借鑒的文字識(shí)別模型。同西夏文字情形類似的還有契丹文,女貞文等,本文的文字識(shí)別模型可供其他古文字保護(hù)工作借鑒;最后,實(shí)現(xiàn)了古籍文獻(xiàn)的信息化檢索。對于如西夏文字這樣相似度極高的字符集,建立圖像數(shù)據(jù)庫,實(shí)現(xiàn)自由檢索信息具有重要的意義。
【學(xué)位單位】：蘭州交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：H211.7;TP391.41;TP18
【部分圖文】：

- 5 -圖 2.1 西夏文字示例分析這 6000 多個(gè)字的骨架結(jié)構(gòu)，可以得出如下結(jié)論：(1) 大部分字體的筆畫都很繁雜，并且平均筆畫達(dá)到 25 畫。計(jì)算機(jī)識(shí)別難以入手。(2) 與漢字相似，都由豎、撇、捺、折、勾等筆畫組成，但其中斜筆較多。(3) 西夏文字中存在很多形近字，將文字左右部分互換得到的文字往往是原文字的近義字。關(guān)于西夏文字的編碼工作，李漢文先生編寫的《夏漢字典》是迄今為止第一部系統(tǒng)的，完備的西夏文與漢文對照的字典，其中，李漢文先生提出了四角編碼方法將西夏文的筆形劃分為九種類型，并分別用數(shù)字 1-9 來表示，0 用來表示沒有筆形。如圖 2.2 是西夏文字的筆形和對應(yīng)的代碼。

圖 2.2 西夏文字筆形表因?yàn)槲飨奈淖止P畫繁雜，如果只用四角編碼就會(huì)發(fā)生重碼的現(xiàn)象即不同文字有的編碼。為了解決這個(gè)問題，后來又在四位編碼后添加了兩位附加碼。四角碼的編序是按照左上、右上、左下和右下的順序。附加碼的編碼順序是按靠近左下角在先近右下角在后。可是即使這樣依然無法解決所有文字的重碼問題，如圖 2.3 中所示個(gè)西夏文字的編碼都是 101000。圖 2.3 四角編碼重碼文字

圖 2.2 西夏文字筆形表因?yàn)槲飨奈淖止P畫繁雜，如果只用四角編碼就會(huì)發(fā)生重碼的現(xiàn)象即不同文字有碼。為了解決這個(gè)問題，后來又在四位編碼后添加了兩位附加碼。四角碼的編按照左上、右上、左下和右下的順序。附加碼的編碼順序是按靠近左下角在先下角在后�？墒羌词惯@樣依然無法解決所有文字的重碼問題，如圖 2.3 中所示夏文字的編碼都是 101000。
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;新華智云推出25款媒體機(jī)器人,解決媒體人痛點(diǎn)[J];傳媒;2019年17期

2 張華萍;黃辰;;文字識(shí)別技術(shù)研究[J];物聯(lián)網(wǎng)技術(shù);2018年08期

3 浦世亮;程戰(zhàn)戰(zhàn);;基于注意力矯正的自然場景文字識(shí)別[J];中國公共安全;2017年09期

4 盛寁;劉偉;;計(jì)算機(jī)文字識(shí)別的發(fā)展及應(yīng)用[J];科技信息;2008年31期

5 Jay;文字識(shí)別網(wǎng)上行[J];電腦應(yīng)用文萃;2005年02期

6 柳玉輝;計(jì)算機(jī)文字識(shí)別的技術(shù)探討與應(yīng)用前景分析[J];軟件工程師;1999年04期

7 郭軍，馬躍，盛立東，鐘義信;發(fā)展中的文字識(shí)別理論與技術(shù)[J];電子學(xué)報(bào);1995年10期

8 張開;岑翠;李林獻(xiàn);謝雨非;;基于蟻群算法的文字識(shí)別[J];信息與電腦(理論版);2019年22期

9 弓耀輝;;圖像文字識(shí)別中的預(yù)處理技術(shù)研究綜述[J];信息通信;2017年09期

10 孫承鑒,張大華;手寫文字識(shí)別技術(shù)及其在圖書館的應(yīng)用[J];現(xiàn)代圖書情報(bào)技術(shù);1993年01期

相關(guān)博士學(xué)位論文 前5條

1 姚超;降維算法和手寫文字識(shí)別中若干問題研究[D];西安電子科技大學(xué);2014年

2 許亞美;手寫維吾爾文字識(shí)別若干關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2014年

3 姚聰;自然圖像中文字檢測與識(shí)別研究[D];華中科技大學(xué);2014年

4 程艷芬;離線阿拉伯手寫體光學(xué)文字識(shí)別方法的研究[D];武漢理工大學(xué);2009年

5 瑪依熱·依布拉音;聯(lián)機(jī)手寫維吾爾文字母與單詞識(shí)別研究[D];武漢大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 劉興長;基于改進(jìn)模糊支持向量機(jī)的西夏文字識(shí)別研究[D];蘭州交通大學(xué);2019年

2 楊海林;基于深度學(xué)習(xí)的古籍文字識(shí)別和檢測[D];華南理工大學(xué);2019年

3 李小璐;基于優(yōu)化分割與提取的西夏古籍文字識(shí)別研究[D];寧夏大學(xué);2019年

4 楊宏志;基于深度學(xué)習(xí)的自然場景文字識(shí)別[D];重慶郵電大學(xué);2019年

5 游京翰;基于深度學(xué)習(xí)的文字序列識(shí)別系統(tǒng)[D];哈爾濱工業(yè)大學(xué);2018年

6 高威威;基于深度學(xué)習(xí)的自然場景文字識(shí)別[D];安徽大學(xué);2019年

7 趙星馳;基于深度學(xué)習(xí)的視頻文字檢測技術(shù)[D];北京郵電大學(xué);2019年

8 張博;基于深度置信網(wǎng)絡(luò)的圖像識(shí)別算法研究[D];哈爾濱理工大學(xué);2019年

9 邵文良;基于深度學(xué)習(xí)的醫(yī)療單據(jù)圖文識(shí)別關(guān)鍵技術(shù)研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2019年

10 鄒瑞杰;基于深度學(xué)習(xí)的自然英文文字識(shí)別的研究[D];電子科技大學(xué);2019年

本文編號(hào)：2856054