基于多特征融合SVM的古漢字圖像識別研究.pdf

1、古漢字圖像識別是模式識別的一個重要研究領(lǐng)域，鑒于古漢字識別流程具有多過程、多約束等特點，并且流程中各過程之間相互關(guān)聯(lián)而容易陷入局部最優(yōu)，導(dǎo)致識別效率不高。而支持向量機(SVM)能夠在一個高維特征空間中靈活的判別邊界，具有很強全局收斂性。因此，本文以支持向量機為基礎(chǔ)方法，采用粗分類以及細分類的兩層分類識別思想，對古漢字圖像進行分類識別。
　　 在充分分析古漢字字形以及輸入圖像特點的基礎(chǔ)上，針對不同輸入古漢字圖像可能引起的預(yù)處理效果

2、的差異性，提出了具有自適應(yīng)功能的預(yù)處理算法，從而屏蔽了不同輸入圖像帶來的預(yù)處理效果的不確定性，一定程度上保證了預(yù)處理效果的有效性，同時也更好的消除了預(yù)處理階段帶入的偽特征，為特征提取環(huán)節(jié)奠定基礎(chǔ)。
　　 由于單一的結(jié)構(gòu)特征以及統(tǒng)計特征難以滿足高質(zhì)量特征提取的要求，提出了基于結(jié)構(gòu)特征和統(tǒng)計特征相融合的多特征提取方法，即基于部件結(jié)構(gòu)特征與全局點密度特征相融合的串行特征提取方法以及基于網(wǎng)格特征和局部點密度特征相融合的并行特征提取方法，

3、較好滿足了高區(qū)分度、高穩(wěn)定性以及典型性的特征提取要求。
　　 通過高質(zhì)量的提取到的特征信息建立了基于SVM的兩層分類模型，即多特征串行融合的粗分類識別模型以及多特征并行融合的細分類識別模型。測試結(jié)果表明本文提出的基于分層思想的分類識別模型具有較高的識別精度。
　　 本文開發(fā)了古漢字圖像分類識別系統(tǒng)，應(yīng)用結(jié)果表明本系統(tǒng)具有較高的分類識別能力。同時本文提出的古漢字圖像識別的方法給目前研究的較少的古漢字識別領(lǐng)域提供了一種新的可