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

  更多相關(guān)文章： 漢字識別 中國書法 特征過濾 特征提取 神經(jīng)網(wǎng)絡(luò) 移動平臺

【摘要】：漢字和書法是中國傳統(tǒng)文化重要組成部分,構(gòu)成豐富多彩的中國歷史與文化。用戶在瀏覽欣賞漢字書籍時,特別是在瀏覽欣賞有諸多繁體字的古代書籍的時候,會遇到很多生疏不認(rèn)識的漢字,給用戶欣賞作品帶來了障礙。如果有工具能夠幫助用戶識別對應(yīng)的漢字并給出該漢字的讀音等相關(guān)信息,將給用戶閱讀書籍帶來很大幫助和便利。針對上述問題,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)的漢字識別算法。對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)合的形式以提高識別的準(zhǔn)確率。首先,通過爬蟲技術(shù)搜集目前所有的漢字,建立漢字庫。然后利用圖像切割技術(shù)獲取每個漢字的圖像,并提取特征建立漢字圖像特征庫。由于特征庫存儲空間較大,本文通過對SIFT特征過濾和SSC算法,對特征庫進(jìn)行壓縮,減少特征庫存儲。此外,為了提高識別的時間效率,本文采用了高維空間索引算法,對比實(shí)驗(yàn)選取合適的索引算法以減少識別過程中時間消耗,增強(qiáng)識別算法的拓展性。相對于漢字識別,書法字形式的多樣性使得書法字識別更加困難。最后,本文嘗試將深度學(xué)習(xí)與傳統(tǒng)識別方法相結(jié)合的方法進(jìn)行書法字圖像的識別。從書法的風(fēng)格多樣性的角度出發(fā),利用深度卷積神經(jīng)網(wǎng)絡(luò)對書法字圖像進(jìn)行風(fēng)格上的分類,然后通過傳統(tǒng)的分類算法識別該書法字圖像,得到其對應(yīng)的漢字。通過實(shí)驗(yàn)對比,本文提出的書法字識別算法更高效。最后,本文從圖像的特征提取、特征匹配和系統(tǒng)架構(gòu)三個層面出發(fā),在Windows和Android平臺下設(shè)計(jì)實(shí)現(xiàn)了基于GIST特征、SIFT特征SSC壓縮算法的漢字識別應(yīng)用,能夠方便用戶識別印刷體簡繁漢字。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

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

，

本文編號：1327696