本文關(guān)鍵詞：漢字識(shí)別關(guān)鍵算法研究與應(yīng)用　出處：《浙江大學(xué)》2017年碩士論文　論文類(lèi)型：學(xué)位論文

  更多相關(guān)文章： 漢字識(shí)別 中國(guó)書(shū)法 特征過(guò)濾 特征提取 神經(jīng)網(wǎng)絡(luò) 移動(dòng)平臺(tái)

【摘要】：漢字和書(shū)法是中國(guó)傳統(tǒng)文化重要組成部分,構(gòu)成豐富多彩的中國(guó)歷史與文化。用戶(hù)在瀏覽欣賞漢字書(shū)籍時(shí),特別是在瀏覽欣賞有諸多繁體字的古代書(shū)籍的時(shí)候,會(huì)遇到很多生疏不認(rèn)識(shí)的漢字,給用戶(hù)欣賞作品帶來(lái)了障礙。如果有工具能夠幫助用戶(hù)識(shí)別對(duì)應(yīng)的漢字并給出該漢字的讀音等相關(guān)信息,將給用戶(hù)閱讀書(shū)籍帶來(lái)很大幫助和便利。針對(duì)上述問(wèn)題,本文首先提出了一種基于GIST特征、SIFT特征和SSC(相似性敏感編碼)的漢字識(shí)別算法。對(duì)于漢字圖像的特征表達(dá),目前最廣泛使用的全局特征和局部特征分別是GIST特征和SIFT特征,本文使用GIST特征和SIFT特征相結(jié)合的形式以提高識(shí)別的準(zhǔn)確率。首先,通過(guò)爬蟲(chóng)技術(shù)搜集目前所有的漢字,建立漢字庫(kù)。然后利用圖像切割技術(shù)獲取每個(gè)漢字的圖像,并提取特征建立漢字圖像特征庫(kù)。由于特征庫(kù)存儲(chǔ)空間較大,本文通過(guò)對(duì)SIFT特征過(guò)濾和SSC算法,對(duì)特征庫(kù)進(jìn)行壓縮,減少特征庫(kù)存儲(chǔ)。此外,為了提高識(shí)別的時(shí)間效率,本文采用了高維空間索引算法,對(duì)比實(shí)驗(yàn)選取合適的索引算法以減少識(shí)別過(guò)程中時(shí)間消耗,增強(qiáng)識(shí)別算法的拓展性。相對(duì)于漢字識(shí)別,書(shū)法字形式的多樣性使得書(shū)法字識(shí)別更加困難。最后,本文嘗試將深度學(xué)習(xí)與傳統(tǒng)識(shí)別方法相結(jié)合的方法進(jìn)行書(shū)法字圖像的識(shí)別。從書(shū)法的風(fēng)格多樣性的角度出發(fā),利用深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)書(shū)法字圖像進(jìn)行風(fēng)格上的分類(lèi),然后通過(guò)傳統(tǒng)的分類(lèi)算法識(shí)別該書(shū)法字圖像,得到其對(duì)應(yīng)的漢字。通過(guò)實(shí)驗(yàn)對(duì)比,本文提出的書(shū)法字識(shí)別算法更高效。最后,本文從圖像的特征提取、特征匹配和系統(tǒng)架構(gòu)三個(gè)層面出發(fā),在Windows和Android平臺(tái)下設(shè)計(jì)實(shí)現(xiàn)了基于GIST特征、SIFT特征SSC壓縮算法的漢字識(shí)別應(yīng)用,能夠方便用戶(hù)識(shí)別印刷體簡(jiǎn)繁漢字。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 王賡;;脫機(jī)手寫(xiě)體漢字識(shí)別技術(shù)研究[J];成功(教育);2008年12期

，

本文編號(hào)：1327696