本文關(guān)鍵詞：基于HMM與決策樹的多字體阿拉伯文的字符識別，，由筆耕文化傳播整理發(fā)布。

【摘要】：光學(xué)字符識別(OCR)是許多語言己成熟的一種模式識別技術(shù)特別是拉丁和中文,但對于阿拉伯文它仍然處于早期階段。近日,阿拉伯文的手寫和機(jī)打文字識別受到了很大的關(guān)注,但大部分出版物都同意了一點(diǎn)：與其他語言相比,處理阿拉伯文本圖像是一個難度很高的問題。這是由于阿拉伯文字系統(tǒng)具有很多使識別難度增高的特征,這樣的特征有：阿拉伯文本,包括手寫體和印刷體都是連接的,手稿是從右往左的書寫順序,字母的形態(tài)取決于它在詞中出現(xiàn)的位置“同一個字母在詞首和詞尾有著截然不同的形態(tài)”,字母重疊,變音符號,字母之間的橫筆延長與在同一個字體下字母有不同大小。所有這些特性會以不同的方式影響處理和識別阿拉伯字符,使采用一個以拉丁字符為基礎(chǔ)的改進(jìn)方法來處理阿拉伯文是不可能的。 目前所有提出處理阿拉伯文的方法的主要問題是,它們都沒有考慮阿拉伯文字的特征。他們描述這些特征時僅為了表明這些特征對識別阿拉伯文增加了多少復(fù)雜性,并不考慮到這些特征可能會有一些能簡化阿拉伯文處理和識別的優(yōu)點(diǎn)。不過,在這篇論文中,我們描述了如何使用阿拉伯文的書寫特征并使識別任務(wù)更為簡單,建立了一個非常強(qiáng)大的多字體阿拉伯文機(jī)打的OCR系統(tǒng)。這些特征是：行草書寫,位置相關(guān)的字符形狀和變音符號。 除了字符識別,字體識別(OFR)是OCR系統(tǒng)中不可缺少的模塊,其能增加OCR系統(tǒng)的效率和識別率。自動文檔處理(ADP)技術(shù)對OFR和OCR的混合處理提出了兩個主要方案。第一個方案,它概括了文檔中所有字符的字體類型。使用這種方案使我們能夠減少字母數(shù)量但輸出的結(jié)果只能有一種字體。第二個方案是先識別文檔中的字體再識別字符。第二個方案雖然很重要,但通常被忽視的。 變音符號是阿拉伯文書寫系統(tǒng)特有的現(xiàn)象。當(dāng)波斯語,烏爾都語和普什圖語等語言采用了阿拉伯文書寫系統(tǒng)時,變音符號才被引進(jìn)到阿拉伯文書寫系統(tǒng)里。在這篇論文中,我們展示了變音符號的重要性,以及我們?nèi)绾问褂盟鼇碓黾影⒗ZOCR系統(tǒng)的精度和可靠性。首先,我們使用變音符號來識別字體,然后我們建立了一個字符識別系統(tǒng)并用變音符號來完善其識別結(jié)果。 在這篇論文中,我們實(shí)現(xiàn)了一個多字體阿拉伯文OCR系統(tǒng)。它包括文檔預(yù)處理,特征提取和分類。該系統(tǒng)使用了兩個不同的數(shù)據(jù)庫,一個用來做字體識別,另一個用來做字符識別測試。我們的主要研究工作如下： ·變音符號分割：本文提出了三中不同的變音符號分割算法。取決于文檔圖像的數(shù)量和復(fù)雜性,我們可以分割出所有變音符號并將它用于字體識別。分割后剩余的文本正文將被用于字符識別。 ·特征提�。焊鶕�(jù)任務(wù),我們采用了兩種不同類型的特征提取方法。對于字體識別,我們采用了復(fù)合中央和環(huán)形投影特征。對于字符識別我們采用了多層分離特征。 ·分類：我們使用了歸一化互相關(guān)為字體分類以及隱馬爾可夫模型為字符識別。我們將隱馬爾可夫模型的輸出送入到一個決策樹然后把原始文字圖像 與HMM模型的輸出結(jié)合起來,以為每一個字符分配最恰當(dāng)?shù)淖円舴枴?實(shí)驗結(jié)果表明,我們的方法對于阿拉伯文字體和字符識別是有效的。與其他方法相比,我們的方法最明顯的優(yōu)點(diǎn)是能把變音符號的模糊問題完全抵消。我們的方法的另一個主要優(yōu)點(diǎn)是讓字體和字符識別的許多預(yù)處理模塊可以在兩個任務(wù)之間共享,這不僅是減少了系統(tǒng)設(shè)計而加速系統(tǒng)處理時間。
【關(guān)鍵詞】：阿拉伯文 變音符號 復(fù)合中央和環(huán)形投影 隱馬爾可夫模型 歸一化互相關(guān) 決策樹
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-12
• List of Figures12-14
• List of Tables14-15
• 1 Introduction15-27
• 1.1 Optical Character Recognition15-16
• 1.2 Arabic Optical Character Recognition16-21
• 1.3 Arabic Optical Font Recognition21-22
• 1.4 Related Work22-25
• 1.4.1 OFR Related Work22-24
• 1.4.2 OCR Related Work24-25
• 1.5 Thesis Organization25-27
• 2 Arabic Writing System27-39
• 2.1 Ligatures30-31
• 2.2 Arabic Diacritics31-35
• 2.3 Arabic Text in Computer Systems35-39
• 3 Hidden Markov Models,Decision Tree and HTK39-63
• 3.1 Hidden Markov Models39-53
• 3.1.1 Model Topologies41-45
• 3.1.2 Model Parameters Estimation45-51
• 3.1.3 Model Decoding51-53
• 3.2 Decision Tree53-54
• 3.3 HTK54-63
• 3.3.1 Data Format Conversion55-58
• 3.3.2 Model Topology Definition58-60
• 3.3.3 Training60
• 3.3.4 HMM Recognition60-63
• 4 Arabic Font Recognition63-73
• 4.1 Preprocessing63-69
• 4.1.1 Flood Fill-based Diacritic Segmentation63-66
• 4.1.2 Clustering-based Diacritics Segmentation66-69
• 4.1.3 Diacritics Validation69
• 4.2 Features Extraction and Classification69-73
• 5 Arabic Optical Character Recognition73-85
• 5.1 System Overview73
• 5.2 Diacritic and Noise Removal73-76
• 5.3 Features Extraction76-78
• 5.4 HMM Recognition78-81
• 5.5 Diacritic Recognition81-82
• 5.6 PAW Recognition82-85
• 6 Experiments and Results85-107
• 6.1 OFR Experimental Results85-96
• 6.1.1 The Database85-86
• 6.1.2 Page Level Font Recognition86-88
• 6.1.3 Line Level Font Recognition88
• 6.1.4 Number of Diacritics Influence88-90
• 6.1.5 Diacritic Class Influence90-92
• 6.1.6 Font Style Recognition92
• 6.1.7 Multi-language Document92
• 6.1.8 Text Orientation92-94
• 6.1.9 Real Data Evaluation94-96
• 6.2 OCR Experimental Results96-104
• 6.2.1 Arabic Printed Text Image(APTI)Database97-100
• 6.2.2 PAW segmentation result100
• 6.2.3 APTI protocols recognition result100-102
• 6.2.4 PAW recognition result102
• 6.2.5 Diacritics recognition result102-103
• 6.2.6 Network influence103-104
• 6.3 Multi-font text recognition104-105
• 6.4 Comparison with previous methods105-107
• 7 Conclusion and Future Directions107-110
• 7.1 Discussion and Conclusion107-108
• 7.2 Future directions108-110
• Acknowledgment110-111
• Bibliography111-118
• Appendix 1 Publications118

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 許振新;字符識別要面向應(yīng)用[J];中國計算機(jī)用戶;2003年13期

2 盧達(dá),浦煒,謝銘培;一種用于提高字符識別速度的字符預(yù)分類法研究　[J];計算機(jī)工程與應(yīng)用;2000年04期

3 孫廣玲,唐降龍;基于識別結(jié)果反饋信息的閉環(huán)聯(lián)機(jī)字符識別系統(tǒng)[J];計算機(jī)工程與應(yīng)用;2002年22期

4 烏凌超,莫玉龍;基于獨(dú)立分量分析的字符識別方法[J];上海大學(xué)學(xué)報(自然科學(xué)版);2003年03期

5 陳薇,李勇;基于塊輸入的神經(jīng)網(wǎng)絡(luò)英語字符識別研究[J];計算機(jī)時代;2005年07期

6 湯茂斌;謝渝平;李就好;;基于神經(jīng)網(wǎng)絡(luò)算法的字符識別方法研究[J];微電子學(xué)與計算機(jī);2009年08期

7 田立巖;胡曉光;;一種改進(jìn)的快速嵌入式字符識別方法[J];光電子.激光;2010年10期

8 陳默;何小海;吳煒;楊曉敏;付光榮;;結(jié)合獨(dú)立與連續(xù)字符識別的集裝箱號識別技術(shù)[J];四川大學(xué)學(xué)報(工程科學(xué)版);2011年S1期

9 韓林峰;趙暉;;基于支持向量機(jī)的聯(lián)機(jī)手寫維吾爾字符識別[J];計算機(jī)應(yīng)用與軟件;2012年03期

10 宋賢霞;李玉琴;;基于掃描圈的字符識別方法[J];自動化與信息工程;2012年05期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 湯茂斌;謝渝平;李就好;;基于神經(jīng)網(wǎng)絡(luò)算法的字符識別方法研究[A];2009年全國開放式分布與并行計算機(jī)學(xué)術(shù)會議論文集(上冊)[C];2009年

2 洪漢玉;郭強(qiáng);章秀華;張艷;林志敏;;復(fù)雜背景條件下字符識別新方法研究[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

3 車揚(yáng);鄭智捷;;速記字符識別的預(yù)處理模式和方法探討[A];2010通信理論與技術(shù)新發(fā)展——第十五屆全國青年通信學(xué)術(shù)會議論文集（下冊）[C];2010年

4 李玉良;王良松;李晶;;圖像中數(shù)字字符識別技術(shù)概覽[A];節(jié)能環(huán)保 和諧發(fā)展——2007中國科協(xié)年會論文集（一）[C];2007年

5 劉云曼;王磊;;盲人閱讀機(jī)中圖像字符識別方法的研究[A];天津市生物醫(yī)學(xué)工程學(xué)會第三十三屆學(xué)術(shù)年會論文集[C];2013年

6 余曉華;陳曉春;劉好炯;;手持式儀表字符識別技術(shù)研究[A];《IT時代周刊》論文專版（第300期）[C];2014年

7 陸璐;張旭東;趙瑩;高雋;;基于卷積神經(jīng)網(wǎng)絡(luò)的車牌照字符識別研究[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2005年

8 朱小燕;史一凡;馬少平;;脫機(jī)手寫體字符識別研究[A];面向21世紀(jì)的科技進(jìn)步與社會經(jīng)濟(jì)發(fā)展（上冊）[C];1999年

9 歐梅芳;宋瑞霞;;V-系統(tǒng)在信息重構(gòu)與字符識別中的應(yīng)用探索[A];中國圖學(xué)新進(jìn)展2007——第一屆中國圖學(xué)大會暨第十屆華東六省一市工程圖學(xué)學(xué)術(shù)年會論文集[C];2007年

10 張雪山;田慧;;字符識別系統(tǒng)的一種定位算法[A];圖像 仿真 信息技術(shù)——第二屆聯(lián)合學(xué)術(shù)會議論文集[C];2002年

中國重要報紙全文數(shù)據(jù)庫 前3條

1 尼克;計算歷史學(xué)：大數(shù)據(jù)時代的讀書[N];東方早報;2014年

2 王慶國;票據(jù)印刷視覺字符檢測系統(tǒng)中硬件的選擇[N];中國包裝報;2008年

3 方忠誠;OCR技術(shù)及其應(yīng)用[N];北京電子報;2000年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 羅特飛（Mohammed Lutf）;基于HMM與決策樹的多字體阿拉伯文的字符識別[D];華中科技大學(xué);2015年

2 文穎;數(shù)字、字符識別及其應(yīng)用研究[D];上海交通大學(xué);2009年

3 彭健;多類小字符集自適應(yīng)字符識別技術(shù)及系統(tǒng)的研究[D];重慶大學(xué);2002年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張佳偉;基因組自動化進(jìn)化儀的研制[D];浙江大學(xué);2015年

2 邱立松;國際音標(biāo)字符識別算法的研究[D];上海師范大學(xué);2015年

3 張靖婭;鋼板點(diǎn)陣噴印字符識別方法研究[D];沈陽理工大學(xué);2015年

4 武威;基于模板匹配與結(jié)構(gòu)特征的字符識別算法研究[D];鄭州大學(xué);2015年

5 王勁松;基于神經(jīng)網(wǎng)絡(luò)的字符識別系統(tǒng)的設(shè)計與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

6 周炳昱;基于手機(jī)攝像取詞的電子詞典的設(shè)計與實(shí)現(xiàn)[D];大連理工大學(xué);2015年

7 戴威;聯(lián)機(jī)手寫智能計算系統(tǒng)的研究[D];華北電力大學(xué);2015年

8 尹少東;基于嵌入式Linux的字符識別[D];河北科技大學(xué);2015年

9 周軍;圖像中自然場景字符區(qū)域定位[D];東北大學(xué);2014年

10 周品;車牌分割和字符識別的算法研究[D];南京郵電大學(xué);2015年

  本文關(guān)鍵詞：基于HMM與決策樹的多字體阿拉伯文的字符識別，由筆耕文化傳播整理發(fā)布。

本文編號：273555