藏文联机手写识别探究进展.pdfVIP

藏文联机手写识别研究进展· 孙嫣也，吴健2 1中国科学院软件研究所基础软件国家工程研究中心，北京100190) 2(中国科学院研究生院，北京 100190) 摘要： 藏丈的信息化处理具有重要的理论意义和实用价值．本文主要对藏文联机手写识别的流程和算法进行了 讨论．对比了汉字联系手写识别的方法，本文提供了有效的改进方案和实验数据，包括预处理，特征提取，聚类以及 分类等部分．实验结果表明，文中的方法有效可行，适用于藏文的联机手写识别，并为进一步研究奠定基础． 关键词： 手写识别：藏文 中图法分类号：TP391 文献标识码：A 语言文字的信息处理技术是人类社会现代化的重要成果．信息处理技术的水平已成为一个国家、一个民族 发展进步的重要标志．改革开放以来，在实现汉语言文字信息处理技术的同时，我国少数民族语言文字信息处理 技术也取得了巨大成就．其中，藏文的信息处理工作从上世纪80、90年代起就取得了突破仕进展． 目前藏文的计算机输入主要存在以下几个问题： 17543．1998)，但受到当时藏文信息技术发 1) 国家虽然在1998年颁布了藏文键盘布局国家标准(GB／T 展的制约，使用并不方便，凼此在藏文系统很少被采用． 2’ 目前藏文输入法大概有十几种，常弛的备方正、华光、班智达等，但是每个输入法都宙各自的藏文键 盘布局，不能通用，增加了用户的培训成本． 3) 新修订的藏文键盘布局国家标准(GB／T22034-2008)虽然已于2008年6月发布，但是该标准所定义的 五层藏文键盘要远比汉字键盘复杂，不适合初学者掌握． 解决这些问题最好也是最实际的方法就是研发藏文的手写输入．由于联机手写输入是一种方便的输入方 法，适用于微型电子产品，因此藏文联机手写输入的研究不仅有理论意义，更有实用价值． 1藏文特点和基本单元的选择 1．1藏文的文字组成及书写特点 藏文是一种拼音文字，有30个辅音字母，4个元音符号【9】．藏文中的词由音节组成，音节之间用”’。分开 【2】．由辅音和元音上下拼写成一个音节，音节可以有前加辅音、后加辅音、再后加辅音．在音节中，按垂直来划 分成字符．字丁由1．3个辅音字母和1个元音字母按上下叠加的纵向线性形式组合而成．藏文的层次结构为：字 母一字丁(字符)一音节一词一甸子． 作者简介：7孙盘I(1983一)，女，辽宁大连人，颂士研究生，主要研究领域为中文信息处理：吴健《1962一)，男，研究员，主要研究领域 为中文信息处理与信息系统． ，阮符 下加’≠ 图l藏文音节的构成 藏文的手写体与印刷体有很大的不同．藏文手写体分两大类，大体相当于汉字手写体中的楷书和草书．手写 藏文除了具有藏文的特点外，相对于汉字手写字符，还有如下特点【8】【lI】： 1)第一笔在基线位置，且为直线型笔画但这只限于藏文手写楷体，很多草体并没有书写基线，或者基线成 弧状、曲线型 2)书写顺序：从基线位置开始，从上到下书写，如果有上元音则最后一笔又到基线以上位置． 3)笔画方向：藏文手写输入时，同一笔画的输入方向是不确定的．这一点和汉字的手写输入习惯是有很大 差别的．对于汉字字符，笔画的方向基本不会因为不同人的输入而发生变化，但藏文的手写输入方向不一致． 4)连笔现象相对于草体来讲并不突出． 5)草体和楷体在形态上有巨大区别，不熟悉藏文的人很难认出一个藏文的手写革体所代表的具体字丁． 1,2基本处理单元的选择 要进行联机藏文手写识别的研究。就应该首先确定识别处理的基本单元．确定了基本单元，才能根据基本单 元的特点来选择合适的特征提取方案， 在藏文的字母、字丁和字(音节)中，本文选用藏文字丁作为联机藏文手写识别的基本处理单元．理由如下： 1)在通常情况下，拼音文字等采用字母作为基本处理单元：但是这种方法并不适用于藏文因为藏文在书 写过程中字母与字母问连接紧密，字母在叠加时发生变形，导致了分析联机藏文手写数据时界定藏文字母的困 难． 2)藏文的字(音节)由藏文字丁水平连续组成，一个字中的字丁之间在结构上是独立的．字丁与字丁之问容 易界定． 3)参照《信息技术藏文编码字符集扩充集A》编制巾的说明：。在国际标准框架