人類利用字符來進行信息交流,隨著信息化社會的不斷發(fā)展。社會對于手寫體字符的識別、運用的需求十分寬廣。將紙質資料轉化為電子信息對于高效、便捷的信息社會起著至關重要的作用。而對于脫機手寫體字符來說,漢字手寫體字符風格隨意,不受拘束且筆畫結構復雜。因此,漢字手寫字符對于識別模式來說是一項具有挑戰(zhàn)性的課題。字符識別的難點在于如何提取到最具區(qū)分度的特征,傳統(tǒng)的統(tǒng)計特征提取基于統(tǒng)計學能夠取得較好效果,但其前提是必須訓練集足夠大,訓練次數(shù)足夠多才會得到想要的效果。而手寫字符,不變的還是筆畫結構,雖然風格迥異,但筆畫結構是唯一的。因此筆畫結構特征對于字符識別是更有效、精度更高的。本文要解決的是特征提取結果不穩(wěn)定的問題,因此在筆畫結構特征的基礎上進行改進。將初始字符圖像化后的曲線結果進行曲直化轉變,利用DDA算法進行轉變來解決曲線圖像多拐點對于特征提取的影響。然后利用最小偏差法,計算輸入字符和樣本集合在空間坐標系中的誤差值,利用角度和直線的偏差值進行字符匹配,偏差值最小匹配度最高。最后引入遺傳算法,將角度、線段的特征集合進行迭代,在代代交叉進化的過程中最終得出最優(yōu)特征,提高識別精度。為保證實驗效果,本文... 

【文章來源】：大連海事大學遼寧省 211工程院校

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

圖２．１脫機字符手寫字體識?１別流程圖??Ｆｉｇ．?２．１?Ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?ｏｆｆｌｉｎｅ?ｃｈａｒａｃｔｅｒ?ｈａｎｄｗｒｉｔｔｅｎ?ｆｏｎｔ?ｒｅｃｏｇｎｉｔｉｏｎ??

?；??基于遺傳算法的字符ｉ：只別特征提取技術研究???３．２筆畫結構特征提取算法??３．２．１筆畫結構特征介紹??在長久以來的字符識別過程中，如何在龐雜的漢字數(shù)據(jù)庫中完成高效準確的字符識??別一直是科研人員的研究熱點，因而出現(xiàn)許多字符特征提取算法。主要可以分為結構特??征提取算法和統(tǒng)計特征提取算法，而統(tǒng)計特征提取算法主要有網(wǎng)格特征、投影特征等等??方式。統(tǒng)計特征運算簡單，且具有很好的魯棒性，能夠很好的提升字符識別的效果。但??是脫機字符手寫體的風格迥異，且不同手寫體密度、緊湊度完全不同，因此出現(xiàn)對于上??—個可識別，下一個相同字符就無法識別。事實上，？對于脫機漢字手寫體的別過程運??用最多的換上筆畫結構特征的提取，因為漢字往往都是由簡單的偏旁首組成［３７］，再由??橫、撇、豎、捺組成，如此清晰簡單的結構相比起統(tǒng)計特征更加簡單直接。雖然每個人??的寫作風格，寫作類型不同。但是每個字符的大體框架是一定的，都是基于標準體演變??而來，因此采用筆畫結構特征具有很好的區(qū)分度和識別準則。其提取流程圖如圖３．１所??示：??開始??Ｉ??輸入預處理后圖??ｆｔ??提取筆畫分支點??端點??ｉ??提取生標系角度??值??ｔ??建施正的腦??矩陣??ｙ??利用坐標系構造??線，閏距商特征??Ｔ??利用特征進行對??比識別??親??圖３．１筆畫結構特征流程圖??Ｆｉｇ．?３．１?Ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?ｓｔｒｏｋｅ?ｓｔｒｕｃｔｕｒｅ?ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ??－２０?－??

?基于遺傳算法的字符識別特征提取技術研究???３．２．２筆畫結構特征提取過程??筆畫結構的特征是由筆畫端點二維坐標，以及各筆畫間夾角構成的特征向量集合來??構造出筆畫結構特征集合，再利用歐氏距離投影尋找偏差最小的筆畫結構來進行匹配。??為了得到筆畫特征，首先必須將筆畫進行細化，將字符結構達到單像素線。此后，??根據(jù)單像素線找到端點和分支點，在每個端點之間尋找到拐點［３８］。然后必須再次取得每??—條筆畫結構的角度值。之后將角度值和第一步中找到的點的位置進行組合，將其放入??關系矩陣。此時便可以把獲取到的線條和角度的組合進行特征匹配。??（１）筆畫端點與分支點的獲取??每一個輸入圖像都是由無數(shù)個像素點構成的，在進行二值化之后，所有的像素點都??分為了黑色和白色，那么此時將中心像素點定義為Ｘ０，那么把Ｘｉ（ｉ＝１．．．８）稱之為像素點??的臨域，如圖３．２所示：??Ｓ?？?．?？?ｔ??Ｘ４?Ｘ３?Ｘ２??１??Ｘ５?Ｘ〇?Ｘｉ??Ｘ６?Ｘ７?Ｘａ??圖３．２中心點及其臨域??Ｆｉｇ．?３．２?Ｃｅｎｔｅｒ?ｐｏｉｎｔ?ａｎｄ?ｉｔｓ?ａｄｊａｃｅｎｔ?ａｒｅａ??因為中心像素的值是恒為ｉ的，那么假如臨域中存在的值設為ｉ，不存在的為〇，??那么就可以得到中心像素點的衡量公式，如公式３．１所示：??１?８??ｐｏｉｎｔ（ｘ）＝＾Ｙ４（ｘｒｘｉ．ｌ）２??：?１＝１?（３．１）??那么假如Ｐ〇ｉｎｔ（ｘ）＜２時，臨域只存在一個或者沒有值，那么此時的點為端點或者孤??立點。假如Ｐ〇ｉｎｔ（ｘ）＞２的時候，臨域存在多個值，此時便為分支點。??（２）拐點的獲取??－２１?－??

【參考文獻】：
期刊論文
[1]遺傳算法確定特征權重值的圖像分類[J]. 唐彩紅.  現(xiàn)代電子技術. 2020(03)
[2]基于Faster R-CNN的衛(wèi)星圖像污水處理廠識別[J]. 王莉莉,張曉.  計算機應用. 2019(S2)
[3]基于改進局部二值模式和梯度特征的計算機生成圖像鑒別算法[J]. 袁哲,孫延君,陳亮.  吉林大學學報(理學版). 2019(06)
[4]基于遺傳算法的圖像分割處理技術研究[J]. 安霆.  電子技術應用. 2019(10)
[5]基于HOG特征提取和模糊支持向量機的西夏文字識別[J]. 劉興長,孟昱煜.  西北師范大學學報(自然科學版). 2019(05)
[6]基于主曲線的書法字動態(tài)重現(xiàn)算法[J]. 楊晨旭,張紅云,苗奪謙.  模式識別與人工智能. 2019(09)
[7]結合小波自適應閾值與雙邊濾波的圖像降噪[J]. 尤波,張宸楓.  計算機工程與設計. 2019(08)
[8]基于卷積神經網(wǎng)絡的雙行車牌分割算法[J]. 趙漢理,劉俊如,姜磊,沈建冰,胡明曉.  計算機輔助設計與圖形學學報. 2019(08)
[9]基于遺傳算法的漫畫藝術設計研究與實現(xiàn)[J]. 任玉潔,吳維.  現(xiàn)代電子技術. 2019(15)
[10]一種去除椒鹽噪聲的自適應模糊中值濾波算法[J]. 萬豐豐,周國民,周曉.  浙江大學學報(理學版). 2019(04)

碩士論文
[1]基于統(tǒng)計特征與橋梁方法的小目標檢測算法研究[D]. 韓志華.中國科學院大學(中國科學院長春光學精密機械與物理研究所) 2019
[2]基于DDA算法的計算機數(shù)控系統(tǒng)的設計與實現(xiàn)[D]. 李兵.南京大學 2019
[3]基于漢字筆畫和結構信息的個性化字庫構造與優(yōu)化[D]. 宋春曉.南京師范大學 2019



本文編號：3327878