基于改进的粗网格印刷体藏文字符识别技术研究

【摘要】： 文字识别是集模式识别、图像处理与文字处理技术相结合的一种新技术,是模式识别和人工智能领域的一个重要研究方向。在西方文字和汉字印刷体识别经过多年的探索和实践已走向实用化的今天,藏文识别因其字型的结构复杂、相似字的比例高等原因,一直是字符识别中一个具有挑战性的难题。 本文在现有印刷体藏文识别技术的基础上,对藏文字符的预处理、特征提取和分类识别算法进行了具体的研究,提出了一种基于改进的粗网格印刷体藏文字符特征提取算法。主要完成的工作如下: (1)文中首先讨论了藏文字符图像的预处理,研究了二值化、平滑、行字切分和归一化的不同方法,并对不同的方法做了比较,选择了最适合后文处理印刷体藏文字符的预处理方法,预处理后将得到大小统一的藏文字符图像。 (2)文中对前人提出的三种特征提取方法:图像投影法、方向线素法和分形矩法分析了它们的优缺点,然后提出了一种基于改进的粗网格的藏文字符特征提取算法。实验结果表明用该方法提取的字符特征能有效地减少因图像中像素位置变化造成的识别率下降的影响,并在一定程度上克服了藏文相似字符过多而造成的误识别率过高的缺点。 (3)由于提取的原始特征存在冗余,会降低识别率和识别速度,为此,要对原始特征进行特征选择。本文利用主成分分析来选择特征,并进行了仿真实验。 (4)分类器的设计是模式识别中比较重要的问题。在分类器设计过程中,可以采用不同的特征选择方法和不同的分类算法以及使用的不同的度量方法,文中采用了BP神经网络分类器。 最后,文中用改进的粗网格法对藏文进行特征提取、选择和识别,进行了多次藏文字符的识别实验,并与方向线素法做了比较。实验结果表明,改进后的粗网格法在对印刷体藏文字符进行分类识别时,具有较高的识别率和识别速度。