基于bandelet的脱机手写体汉字识别研究

论文摘要

脱机手写体汉字识别研究对汉字信息处理自动化,对开拓新一代计算机的智能输入有重要意义。脱机手写体汉字的识别不仅具有重要的理论研究价值,而且具有广阔的市场前景。本文在分析手写体汉字识别研究的历史与现状的基础上,将第二代bandelet变换引入文字识别领域,提出了基于bandelet的特征提取方式。主要工作如下:1)脱线签名的验证仅仅依靠签名图像的静态信息,而书写过程中的动态信息几乎完全消失,因此是一个较难解决的问题。本文针对脱线手写签名识别的特点,提出基于bandelet变换的特征选取方法。该方法将传统的结构特征与统计特征有机结合起来,运用K-L变换对已提取的特征向量进行降维,最后通过支持向量机进行真伪识别。实验结果表明该算法对测试样本具有高识别率。2)bandelet变换不仅继承了小波变换的主要特征（多尺度、时频局部）,而且具有高度的方向性和各向异性。bandelet变换是一种基于图像边缘的变换方法,它能自适应地跟踪图像的几何正则方向,是一种对图像“真正”的稀疏表达。针对相似字丰富的方向性特征,提出了基于bandelet变换的相似字识别。该算法能有效获取图像中的笔划密度方向特征,真实反映文字的结构特性,通过支持向量机进行分类识别,从而有利于手写相似字的识别。实验结果表明bandelet变换和支持向量机相结合的模式识别方法具有很好的识别率。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外脱机汉字识别技术研究现状及发展趋势
• 1.3 本文内容安排
• 第二章 脱机手写体汉字识别的原理与方法
• 2.1 脱机手写体汉字识别的基本步骤
• 2.2 图像的获取
• 2.3 图像的预处理
• 2.3.1 图像噪声处理
• 2.3.2 图像二值化处理
• 2.3.3 文字的自动分割
• 2.3.4 文字的归一化
• 2.3.5 文字的细化
• 2.4 文字图像的特征提取
• 2.5 文字的识别
• 2.6 本章小结
• 第三章 bandelet变换理论
• 3.1 第一代bandelet变换
• 3.2 第二代bandelet变换
• 3.2.1 几何图像的正则性
• 3.2.2 四叉树的获取
• 3.2.3 bandelet化
• 第四章 基于第二代bandelet的手写体笔迹识别
• 4.1 基于bandelet变换的特征提取
• 4.2 K-L变换降维
• 4.3 SVM二值分类器
• 4.4 仿真试验
• 4.5 本章小结
• 第五章 基于第二代bandelet的相似字识别
• 5.1 基于bandelet变换的特征提取
• 5.2 仿真实验
• 5.3 本章小结
• 结论与展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文