多种印刷字体藏文字符的特征提取方法研究.pdfVIP

第23卷 第 1期 西藏大学学报(自然科学版) Vo1．23No．1 2008年5月 JOURNALOFTIBETUNⅣERSrITY aturalScienceEdition) May．2008 多种印刷字体藏文字符的特征提取方法研究 普次仁 (西藏大学工学院 西藏拉萨 850000) 摘要：特征提取是文字识别中很重要的环节，传统用于特征提取的方法有模版法、变化特征法、投影 直方图法和几何矩特征法等。文章简要介绍和分析了这些传统的特征提取方法及其优缺点，同时，指出了 由于藏文字符的特殊性，决定了传统用于特征提取的几种方法在多字体藏文字符特征提取中效果不好的 现状，并提出了一种 “外围轮廓笔划特征提取法”，该方法用于提 出多字体的一个外围轮廓笔划的共同特 征 ，效果较好 。 关键字：文字-X／~,l；特征提取；多种字体；外围轮廓笔划特征 中图分类号：TP391．12 文献标识码：A 文章编号：1005—5738(2008)01—025—04 分是将大幅的图像先切割为行和列 ，再从图像行中 1引言 分离出单个字符的过程。特征提取是整个环节中最 重要的一环，它是从单个字符图像上提取统计特征 文字识别是集模式识别、图像处理与文字处理 或结构特征的过程 ，包括为此而做的细化(Thin— 技术相结合的一种新技术 ，是模式识别和人工智能 ning)、归一化N(ormalization)等步骤。识别处理即从 领域的一个具体的研究方向，能自动把文字或其他 特征库中找到与待识别字符相似度最高的字符类 信息通过智能识别输入计算机 ，用以代替人工输 的过程。结果校正则是利用词义、词频、语法规则或 入。在一定条件下文字识别输入比键盘更方便，更 语料库等语言先验知识对识别结果进行校正的过 快捷。目前，西方文字和汉文字的印刷体识别经过 程。输出结果是把最终识别结果输出到屏幕上或输 了多年的探索和实践，已经较成熟，进入了实用化， 出到文件的过程。 而藏文字符的印刷体识别技术虽有研究，但还很不 成熟，有待于进～步研究。 2 常用特征提取方法 识别系统的工作流程如图 1所示。 藏文文字识别的重点是提取待识别模式的特 征 ，形成待识别模式特征向量X=(X1，X2，…，Xn)； 然后将x与预先提取和存储的标准模式特征向量 逐个匹配，根据一定的判别准则，找到最接近的模 式特征向量TT(1，T2,-,Tn)，此向量所对应的藏文字 图 1识别系统的工作流程图 符元素即为识别结果。 特征的稳定性及有效性 ，直接决定了文字识别 原始图像是通过光电扫描仪、电子传真机等获 的性能。常用的特征提取方法有： 得的二维图像信号，可以是灰度(Grayscale)或二值 2．1模板法 (Binary)图像。预处理包括对原始图像的去噪、倾斜 字符的图像直接作为特征，与字典中的模板相 校正或各种滤波处理。版面分析完成对于文本图像 比，相似度最高的模板类为识别结果。这种方法简 的总体分析，区分出文本段落及排版顺序。文字切 单易行，可以并行处理 ；但是一个模板只能识别同 收稿 日期：2008—04-03 基金项目：教育部2006年度高等学校重大工程培育基金项目“印刷体藏文文字识别技术研究及其实现”阶段性成果。基金号：7O6059 作者简介：普次仁(1970一