基于笔划密度特征的二叉树SVM脱机手写体汉字识别方法研究-检测技术与自动化装置专业论文.docxVIP

基于笔划密度特征的二叉树 SVM 脱机手写体汉字识别方 法研究 Study of Off-line Handwritten Chinese Characters Recognition Based on Binary Tree SVM with Stroke Density 作 者 姓 名 甘 恒 学 位 类 型 学 历 硕 士 学 科、专 业 检测技术与自动化装置 研 究 方 向 自动检测技术 导 师 及 职 称 朱程辉 副教授 2013 年 4 月 合 肥 工 业 大 学 本论文经答辩委员会全体委员审查，确认符合合肥工业大学 硕士学位论文质量要求。 答辩委员会签名（工作单位、职位） 主 席： 委 员： 导 师： 独 创 性 声 明 本人声明所呈交的 学位 论文是本人在导师 指导 下进行的研究工作 及取 得的研究 成果。据我所知， 除 了 文 中 特 别 加 以 标 注 和 致 谢 的 地 方 外 ， 论 文 中 不 包 含 其 他 人已 经发表或撰写过的研究成果 ，也不包含为获得 合肥工业大学 或其他教育机 构的学位或证书而使 用 过的材料。与我一同 工 作的同志对本研究所 做 的任何贡献均 已在论文中作了明确的说明并表示谢意。 学位论文作者签名： 签 字 日 期 ： 2013 年 4 月 日 学位论文版权使用授权书 本学位论文作者完全了解 合肥工业大学 有关保留、使用学位论文的规定，有 权保留并向国家有关部门或机构送交论文的复印件和磁盘 ，允 许论 文 被查 阅 和 借 阅 。 本人授权 合肥工业大学 可以将学位论文的全部或部分内容编入有关数据库进行检 索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 (保密的学位论文在解密后适用本授权书 ) 学位论文者签名： 导师签名： 签 字 日 期 ： 2013 年 月 日 签 字 日 期 ： 2013 年 月 日 学位论文作者毕业后去向： 工作单位： 电话： 通讯地址： 邮编： 基于笔划密度特征的二叉树 SVM 脱机手写体汉字识别 方法研究 摘 要 脱机手写 体汉字 识别 技术是模 式识别 领域 的一个研 究课题 ，具 有广泛 的应用前 景。脱 机手 写体汉字 不仅具 有字 符集庞大 、字体 类别 多、字型 变 化多、相 似字多 的共 性，还具 有书写 风格 众多、书 写不规 范和 随意性较 大 等特点。本文在对脱 机手写体 汉字 笔 划密 度特征分 析研究 的基 础上 ，研 究 了一种基 于汉字 笔划 密度特征 的 二叉 树 SVM 的脱机 手写体 汉 字 多级粗 分 类与“一 对多”SVM 细分类相 结合的 汉字 识别方法 ，论文 的主 要研究工 作 如下： 1、 在研究汉字结构特征与统计特征的基础上，定义了脱机手写体汉 字整体笔 划密度 特征 和细节笔 划（横、竖 、斜）密度 特征，用 作 脱机手 写 体汉字多 级粗分 类依 据。 2、在统计分析脱机手写体汉字像素密度特征分布的基础上，建立了 汉字粗分 类类别 ；根 据粗分类 类别的 划分 ，构造不 同粗分 类策 略的二叉 树 结构形式 ，并对二叉树 SVM 进行 训练；给出了用 于剪枝 二叉 树 SVM 粗分 类的相似 度定义 和粗 分类算法 ，仿真 实验 表明，脱 机手写 体汉 字多级粗 分 类达到了 预期效 果。 3、 在粗分类的基础上，提取脱机手写体汉字的外围轮 廓特征和小波 多网格特 征作为 SVM 细分类识 别的输 入 ，研究了 用于 脱 机手 写体汉字 识 别的 SVM“ 一对多 ” 算法。 仿 真实验 表明 ，具有良 好的识 别结 果。 论文 选用 SCUT-IRAC HCCLIB 中 手 写 体 汉 字 作 为 实 验 样 本 ， 以 MATLAB R2011a 为 仿真平台 ，对 本文提 出的基于 像素密 度二 叉树 SVM 分 类识别的 方法进 行了 实验验证 ，结果 表明 本文方法 是可行 的。 关键词 ：脱机手写体 汉字； 相 似度； 二叉 树；支持 向量机 ；多 分类 Study of Off-line Handwritten Chinese Characters Recognition Based on Binary Tree SVM with Stroke Density ABSTRACT Nowadays off-line handwritten Chinese characters recognition, which has comprehensive application prospects, is one of the research hotspots in pattern recognition field.