印刷體漢字識別系統(tǒng)的研究與實現(xiàn).pdf

1、漢字已有數(shù)千年的歷史，也是世界上使用人數(shù)最多的文字。然而，漢字是非字母化、非拼音化的文字，因此，快速高效地將漢字輸入計算機，是信息處理的一個關(guān)鍵問題。人工鍵入勞動強度大，對于大量的已有文檔資料，漢字自動識別輸入就成為了最佳的選擇。它在中文信息處理，辦公自動化，機器翻譯，人工智能等高科技領(lǐng)域，都有著重要的實用價值和理論意義。本文在研究當前光學字符識別(OCR)系統(tǒng)及相關(guān)識別技術(shù)的基礎(chǔ)上，設(shè)計開發(fā)了一套印刷體漢字識別系統(tǒng)。主要工作如下：其一

2、，為了解決單個分類器分類效果不理想的情況，本文從分類器集成的角度出發(fā)，設(shè)計了多個具有特征互補，匹配方法不同的分類器，有效的提高了漢字分類的識別效果。 其二，為了提高圖像預處理質(zhì)量，解決二值化過程中全局二值化適應性差，局部二值化速度慢的問題，本文提出了一種基于文字邊界輪廓提取的二值化方法。算法首先提取出文本圖像的邊界輪廓，然后根據(jù)已提出的邊界輪廓和原圖的信息，對輪廓內(nèi)的空白部分進行填充來完成圖像的二值化。實驗結(jié)果表明，此方法速度明

3、顯快于局部二值化方法，二值化效果優(yōu)于全局法。 此外，本文對漢字識別過程中的關(guān)鍵步驟進行了研究，提出了一些新的方法：1)在版面分析中，利用數(shù)學形態(tài)學方法，采用基于組件的方法來進行版面分析；2)在圖像的傾斜校正中，提出了基于最佳特征點的迭代最小二乘法算法；3)在特征提取方面，給出了漢字結(jié)構(gòu)點，連通體，封閉區(qū)域，筆劃等特征的提取方法。在對筆劃撇、捺提取中提出了一種基于方向加權(quán)的筆劃提取方法?？傊?，利用以上算法得到的印刷體漢字識別系統(tǒng)的