一种多字体特大字符集字符识别系统-中文信息学报.PDF

中　文 　信 　息 　学 　报 第 14 卷 第 2 期 JOURNAL OF CHINESE INFORMATION PROCESSING Vol . 14 No. 2 一种多字体特大字符集字符识别系统 高 　涛 　李明敬 　李志峰 中国科学院自动化研究所文字识别实验室 　北京 　100080 摘要 　多字体特大字符集字符识别是当前 OCR 技术研究的热点之一 。本文利用一组在 抗干扰和描述字符拓扑结构方面具有互补性的特征 ,其于 Support Vector 技术和可增长 自组 织神经网络模型 ,建立一种识别系统来处理该问题 。其中包括一个利用 Supp rt Vector 技术建 立的Optimal Margin 语言分类器 ,一个以可增长自组织神经网的粗分类器 ,结合统计和结构两 种识别方法的三级汉字分类器 ,最后给出良好的实验结果 ,从而得到该识别系统为解决上述问 题的有效方法之一的结论 。 关键词 　汉字识别 　OCR 技术 　自组织神经网络 　Support Vector 技术 A MultiFont HugeSet Character Recognition System Gao Tao 　Li Mingj ing 　Li Zhifeng Instit ute of Automation ,CA S 　Beij ing 　100080 Email :gt @hw .j a . ac . cn Abstract 　Recognition of multifont character s becomes favorable research area in OCR by now . In t his p aper ,based on Support Vector techniques and SOFM neural network ,by use of a grorp of feat ures t hat are complement ary in t heir description of geomet rical and topological st ruct ure of character ,we have p ropo sed a recognition system . It include an Optimal Margin lingual classifier based on Support Vector techniques ,and a t hreestep Chinese character classifier based on growing selforganizing neural network . This system adopt s bot h of st atistical template matching and st ruc t ure analysis met hods. At t he end ,following t he experiment al dat a ,a conclusion is made t hat t his system is feasible and effective . Key words 　Chinese character reongnition 　OCR techniques 　Growing selforganizing neural net work 　Support Vector techniques 一 、引言 OCR 技术自60 年代迄今迅速发展 ,单字识别技术趋于成熟 ,市场上已出现大量的 OCR 商业产品 ,然而实际应用又提出更多需求 。在不同的印刷 、扫描质量下 ,多语种 、多字体特大字 符集的混识问题正是其中之一 。已有的技术还不能很好解决这一问题 , 因而该问题成为当前 OCR 技术研究的热点之一 。