基于多信息融合的自然书写脱机中文文本行识别.pdfVIP

华南理工大学学报(自然科学版) JournalofSouthChina of 第38卷第12期 University V01．38No．12 Technology Science 2010年12月 (NaturalEdition) December2010 基于多信息融合的自然书写脱机中文文本行识别木 李南希金连文 (华南理工大学电子与信息学院，广东广州510640) 摘要：自然书写的脱机中文文本行识别是当今字符识别领域的一个难题．为降低文本 行识别中负样本的干扰，文中提出了一个概率模型，将负样本作为一种信息来源，与单字 符的识别信息、文本行的几何信息等进行融合．简单地使用两个分类器，就可以实现上述 概率模型．在多人手写真实文本数据库中进行的实验表明，当无语言模型和使用二元语言模 型时，文中所提方法的正确识别率分别达到61．29％和72．73％，体现了该方法的有效性． 关键词：字符识别；中文文本行识别；多信息融合；概率模型；负样本 中图分类号：TP391 自然书写的脱机中文文本行识别是当今字符识 进行简单的估计(如文献[2，4])，或者采用大量的 别领域中的一个难题．由于人们自然书写风格的多 验证器进行复杂的计算(如文献[5])．其中，经验公 样性，以及中文字符种类多、结构复杂等特点，目前 式的方法不能充分反映自然书写中文文本行中的复 对于自然书写脱机中文文本行的识别仍然没有很好 杂情况，而正样本验证的方法常需要采用几千个验 地解决，尤其是对于非特定领域(不限于地址行、金 证器进行正样本的判断，计算量相当大． 融字符串等领域)文本行的识别． 文中根据贝叶斯公式推导出一个新的概率模 自然书写脱机中文文本行的识别方法主要有两 型，利用负样本的信息进行多信息融合．除了使用一 类【1引：基于切分的方法和基于无切分的方法．其中， 个分类器进行单字符识别，还需要使用另一个分类 基于切分的方法可以直接采用现在已成熟的单字符 器计算出该字符为正、负样本的概率，然后将这个概 分类器，实现较简单，是目前常用的方法．但它的主 率作为权值与单字符识别的概率相乘，得到文本行 要缺点是：由于切分错误常难以避免，文本行的识别 中单字符识别的评价，进而对文本行的识别候选进 将受到负样本的干扰．这里负样本是指文本行中由 行评价． 于切分错误而产生的字符样本，而正样本是指在切 1 基于切分的识别 分正确的情况下所产生的字符样本． 在基于切分的自然书写中文文本行识别方法 基于切分的自然书写脱机中文文本行识别流程 中，多信息融合是减少负样本干扰的一个有效途径． 如下：首先通过预切分算法对文本行进行切分，产生 如：文献[2]利用待识别字符的成员数目信息与单 一系列的单字或字根；然后根据预切分结果构造一 字符的识别信息进行融合．文献[4．5]将文本行的个切分候选图；最后设计评价准则，从切分候选图里 几何信息和它的识别信息进行融合．但这些多信息 所有可能的切分假设中搜索出最佳切分假设，得到 融合的方法在负样本的处理上，或者采用经验公式 文本行的最终识别、切分结果． 收稿日期：2010—02．04 目 华南理工大学学报(自然科学版) 第38卷 一个典型的切分候选图如图1所示．候选图中