基于数学形态学并具有启发式搜索功能印刷体汉字识别方法.pdfVIP

西 邙 电 子 l蛐u年第1期 (总第1期) 基于数学形态学并具有启发式搜索功能的 印刷体汉字识别方法 唐 枷 {j|裨 标 郑南宁 摘要 本文描述 7 一个基于数学彤态学 ，井具有启发式搜索功能的印刷体 汉字 识剐系统 。该系统为田缒结构 以数学开；态学方法时汉字进行开j忐变换，得到稳定的 同构子 图，用汉字最外 围横竖笔划特征和次外 围尖端特征进行二级分类 ，并设计 了 树分类器。此 ：筑分类方法特征提取稳定，具有较强的抗干扰能力。 在树分类器 中，作者用 了l— l匹配的查表技术，引入 了分类字典 。井 采用时分 查找技术，提高分类速度。提 出了基于距离控制 的启发式搜索方法，避免 7特征知 识库的无限晦张 ，且分类均匀稳 定，分类能力强。拳系统较好地解 决T特征提取稳 定性和 分类稳 定性 的问题 。 在蛔分类中，笔者提 出了汉字同构子图的四维密度特征的概念 ，采用文字微 分 征特和四堆密度特征 ，咀最小距离匹配运算来完成最后的识别工作，伍需时标准字 榉进行一玻学习，就具有很高的识 剐率 ，具有一定的实用价值。 一 绪 论 印刷 津汉字识别 l酐究工作开展的较早 ，是当前汉字识别的主流。在这方面 ，日本的科 技工作者取得了许多成果 ，相继报导了各种OCR (光学文字阅读机)，并且在使之商品化方 面做 了大量的工作。但是 日本的OCR并不能直接应用于我国，原因是 日文 中的汉字仅一千四 百多字，而中文仅常用字就有三千多字，因此汉字识别的工作十分繁重。虽然我国的科技工 作者进行了大量的研究 ，但迄今为止 ，仍无商品问世 。究其原因主要是 由于还没有一种更为 有效的识 {lll方法，现有的方法普遍存在特征提取不稳定 、分类不均匀、内存 占用 过大 等弱 点，以及识别速度太低和识别率太低等问题。因此，在汉字识别中仍有许多工作要做。在方 法的选择上，更多地考虑包含事富结构信息的稳定特征，更多地应用人工智能方法，进行知 识化程序设计，是印刷体l汉字识别方法的发展方向[1)。 二 一基于数学形态学的汉字分类方法 ￡．I采用数学形态拳方法进行I棼巷变换 在采用最外围横竖笔划进行第一级粗分类之前 ，必须采用数学形态学方法解决汉字识别 中的一个重要 问题一一横坚撇捺四种基本笔划的提取 ，并且滤掉点笔划和尖角 等 不稳 定特 征。这种方法毋需对图像细化，可直接在原图上进行，而且采用的算法非常简单，速度快， 便于硬件实现。 数学形态学 (Mathematicalv／[orpholgy)是通过选择特定形状的结构元素，让它与所 研究的物体相互作用，从而抽职具备该物体显著特征的形状 ，把原始图像变换成一个更具表现 力的结构特征的合成图形，减少不稳定因素和噪声的干扰，MM方法的基本运算，就是 形态 变换 ，用公式表示为：一个客观图像x和结构元素B进行变换④ ，结果lY=X0B。 形态学的基本运算有膨胀 (Dilation)、腐蚀 (ErosiOn)开 (Opening)和闭 (Clos- ing)，其中开、闭运算 由膨胀和腐蚀运算导出的(2) [3)。 通过对汉字的形体研究，我们把汉字笔划归结为 “横竖擞捺”四种基本笔划 ，因此采用 四种不 同的基元作为抽取汉字笔划 的结构基元。 在此首先讨论横竖笔划 的提取 ，再研究撤撩笔划的提取 。 横竖笔划的提取：设x为原始汉字的点阵 ，Xh为只有横笔划的点阵，Xs为只 有 竖笔划 的点阵，H、S为横竖笔划基元。 形态变换公式如下： Xh=XOH Xs=XOS 即以H为基元，对原始图像做开运算 ，Xh就是只有横笔划的图像，然后再进行 并 集运 算，即得到所有的横笔划信息。抽取竖笔划的原理相同，只是基元的选择不同而 已。抽取结 果如 图1所示。 撤捺笔划的提取：由于撇撩笔划方向的多变 ，因此必须将撤撩归为如图2所 示的八个方 向区， IIIⅡ区为撤 ，VⅥⅦⅦ区为捺 。提取时分区运算，最后将 I至Ⅳ区结果合并，V