联机手写维文字符的预处理和特征提取方法.docVIP

联机手写维文字符的预处理和特征提取方法 　　摘要：根据维吾尔字符的特点，介绍了归一化，平滑处理，重采样等几种预处理方法。并结合统计特征和结构特征各自的特点，提出了不变矩，投影，方向码，环等特征，用来构造字符的特征向量，便于进行字符的训练和识别。 　　关键词：预处理；不变矩；方向码 　　中图分类号：TP18 文献标识码：A文章编号：1009-3044(2011)07-1607-03 　　The Method of Preprocessing and Feature Extraction for Online Handwritten Uyghur Characters 　　HAN Lin-feng, ZHAO Hui 　　(College of Information Science and Engineering, Xinjiang University, Wulumuqi 830046, China) 　　Abstract: According to the characteristic of the Uyghur, several preprocessing methods are introduced like normalization, smoothing, resampling and so on. Combined with statistical and structural features, features of Invariant Moment, Projection, Direction Codes, Loop and so on are adopted, in order to construct feature vector and train. 　　Key words: preprocessing; invariant moment; direction codes; 　　联机手写字符识别技术的研究是从上世纪五十年代开始的，经过几十年的发展，英文，汉字的手写体识别技术已经相当的成熟。在新疆，印刷体维吾尔文识别技术也取得了很好的成果，但手写体维吾尔文的识别还处于实验性阶段。通过对英文，汉字，阿拉伯文的字符识别技术进行研究，提出了一种联机手写维吾尔字符识别的预处理和特征提取的方法。 　　维吾尔文字母表中有32个基本的字符，每个字符一般都有两种或者四种书写形式。根据字符在单词中位置的不同，其书写形式可以分为四类：独写形式，尾写形式，首写形式和中写形式。在维吾尔文中，存在很多相似的字符，它们的主体笔画相同，区别仅仅在于附加笔画的类型，数目和位置等，如图1所示。相似字符的存在给识别带来了难度，如何选择合理的特征将成为影响字符识别率的关键因素。 　　1 数据的采集和预处理 　　将手写板和PC机进行相连，在手写板上书写字符时，可以获取一组带有时序信息的数据：(Xi,Yi，flag)。其中，(Xi,Yi)代表每个采样点的坐标值，flag通常是一个标志位，取值为0或者1，用来标示书写笔是否与手写板相接触。对这些数据进行分析，可以获取的信息有：每个字符的笔画数目；字符中每一个笔画对应的坐标序列值；每一个笔画的起始和结束位置。获取数据之后，需要对其先进行预处理，而后再进行特征的提取。 　　1.1 去除干扰点 　　这里的干扰点包括重复点和噪声点。当书写笔的笔尖在手写板的同一个位置上停留时间过长时，手写板就会在该点上重复采样，反映到坐标序列中就是会有一段坐标值完全相同的数据。同时，在对数据进行平滑处理和归一化处理之后，也有可能产生新的重复点。因此需要删除重复点，只保留一个坐标点即可。 　　噪声点的出现可能是由于手写板等硬件设备引入的，也有可能是书写时手的抖动引起的。线性平滑技术是一种比较简单的去除噪声点的方法，对于坐标点(xi,yi)进行平滑处理之后的新坐标可以通过公式（1）进行计算： 　　 （1） 　　1.2 归一化处理 　　在手写板上书写字符时，其大小和位置不易固定，为了使提取的特征更加有效的反映字符的信息，需要进行归一化处理。 　　1）位置归一化：有两种比较简单的位置归一化方法：基于质心的归一化方法和基于字符外边框的归一化方法[5]。其中，基于质心的归一化方法，需要先计算字符的质心，然后将质心移动到指定的位置上，联机字符的质心可以利用公式（2）进行计算。基于字符边框的归一化，需要先计算字符坐标的四个边界得到字符的外边框，然后将边框的中心移动到指定的位置上。 　　 （2） 　　其中，f(x,y)=1表示该像素点为字符上的一个采样点，f(x,y) =0表示该处像素为背景点。 　　2）大小归一化：利用线性归一化，可以将字符的外边框按比例缩放成为固定的尺寸。在对字符的X,Y坐标进行