文字識(shí)別算法_物理_自然科學(xué)_專業(yè)資料

1、題目圖像分割技術(shù)學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)班級(jí)計(jì)軟1401學(xué)生蘭俊鋒學(xué)號(hào) 20141214023文字識(shí)別是智能識(shí)別技術(shù)中的一個(gè)重要技術(shù)。文字具有便于信息保存和傳遞 的優(yōu)點(diǎn)，使信息在時(shí)間和空間上得以迅速擴(kuò)散。在人們的日常生活中，在機(jī)關(guān)事 務(wù)處理、工業(yè)以及商業(yè)交往中，需要識(shí)別文字的數(shù)量如同天文數(shù)字，但利用計(jì)算 機(jī)識(shí)別的文字量卻很少。最近幾年，隨著計(jì)算機(jī)技術(shù)、數(shù)學(xué)和圖像技術(shù)的發(fā)展, 文字識(shí)別的應(yīng)用領(lǐng)域逐步擴(kuò)大，目前較為活躍的應(yīng)用包括數(shù)字識(shí)別，文字識(shí)別等。 文字識(shí)別是指用計(jì)算機(jī)字典、高速地識(shí)別現(xiàn)在介質(zhì)（如紙張等）上的數(shù)字、英文 符號(hào)或漢字。文字識(shí)別實(shí)際上就是解決文字的分類問題，一般通過特征及特征匹 配的方法

2、來進(jìn)行處理。本文將從算法、應(yīng)用兩方面介紹文字識(shí)別技術(shù)，本文介紹的文字識(shí)別應(yīng)用冇 英文字母識(shí)別、車牌特殊文字識(shí)別、書寫文字識(shí)別、特殊文字識(shí)別。文字是人類相互交流信息的重要工貝。社會(huì)發(fā)展進(jìn)入信息時(shí)代，人們已不再 停留在用自己的耳朵和眼睛去直接獲得這些信息，而是使用計(jì)算機(jī)將文字自動(dòng)的 輸入計(jì)算機(jī)，用計(jì)算機(jī)對(duì)他們進(jìn)行處理，隨時(shí)以各種方式滿足人們的不同需要。 因此，研究如何用計(jì)算機(jī)動(dòng)識(shí)別文字圖像，解決文字信息門動(dòng)輸入計(jì)算機(jī)，并 進(jìn)行高速加工處理的問題已引起大家的廣泛關(guān)注。歸一化算法一般作為一種圖像的預(yù)處理技術(shù)，其i的是將采集到的原始圖像 轉(zhuǎn)換成特征提取器所能接受的形式（灰度圖像或二值圖像），消除一些與類

3、別無關(guān) 的因索（噪聲消除、歸一化等）。從理論上講，經(jīng)過歸一化后的骨架應(yīng)該是寬度 為一的中心線，但這是不可能的。不同的皎件設(shè)備和不同的算法得出的結(jié)果叮能 不是唯一的，其結(jié)果與原圖案的扭曲程度也是不樣的，扭曲程度盡量的小應(yīng)該 是歸一化算法追求的目的之一。既然預(yù)處理是為后續(xù)的特征提取和分類器設(shè)計(jì) 服務(wù)的，那么預(yù)處理方法的選擇就應(yīng)該有利于特征的提取，以使分類變得簡(jiǎn)單。汽車牌照識(shí)別，在高速公路收費(fèi)、電了警察和治安卡口等系統(tǒng)中有重要的應(yīng) 用價(jià)值。作為圖像識(shí)別的典型問題，汽車牌照識(shí)別的研究?jī)雍荛L(zhǎng)的歷史，但因?yàn)?實(shí)際路況的高度復(fù)雜性（如車速、光線、污染及變形等），冃前的性能還不能令 人滿意。1.文字識(shí)別過程概

4、述一般來說，文字圖像的識(shí)別過程主要由以下4個(gè)部分組成：止確地分割 文字圖像區(qū)域；止確地分離單個(gè)文字；止確識(shí)別單個(gè)文字；正確地連接單 個(gè)文字。其屮、屬于文字圖像分析技術(shù)問題，屬于文字識(shí)別技術(shù)問題。關(guān) 于，由于僅從分割處理不能對(duì)其進(jìn)行評(píng)價(jià)，通常采用文字識(shí)別地評(píng)價(jià)值來判斷 分離的止確性。單純的文字識(shí)別是指經(jīng)二值化處理后的單個(gè)文字識(shí)別。1.1.文字識(shí)別系統(tǒng)的原理及組成文字圖像的識(shí)別的原理如下圖所示。圖屮光電變換檢測(cè)部分的主要功能，是 對(duì)紙面上的文字進(jìn)行光電轉(zhuǎn)換，然后經(jīng)模數(shù)轉(zhuǎn)換成具有一定灰度的數(shù)字信號(hào)，送 往其后的各部分進(jìn)行處理和識(shí)別。常用的檢測(cè)設(shè)備是掃描儀，ccd攝像頭等。 文字圖像分割的目的就是根據(jù)

5、文字圖像的特征的視線文字圖像區(qū)域的定位和分 割，將真正的文字圖形分割出來，以便后續(xù)進(jìn)行識(shí)別，識(shí)別與處理部分的功能是 將已分割出的文字圖形信息加以區(qū)分，去除信號(hào)中的污點(diǎn)、空白等噪聲，增強(qiáng)文 字圖像的信息。并根據(jù)一定的準(zhǔn)則除掉一些非本質(zhì)信號(hào)，對(duì)文字的大小、位置和 筆畫粗細(xì)等進(jìn)行規(guī)范化，以便簡(jiǎn)化判斷部分的復(fù)雜性。特征提取部分是從整形和 規(guī)范化的信號(hào)屮抽取反映字符本身的冇用信息，供識(shí)別部分進(jìn)行識(shí)別。作為特征 提取的內(nèi)容是比較多的，可以是兒何特征，如文字線條的端點(diǎn)、折點(diǎn)和交點(diǎn)等。 識(shí)別判斷部分則是根據(jù)抽取的特征，運(yùn)用一定的識(shí)別原理，對(duì)文字進(jìn)行分類，確 定其屈性，達(dá)到識(shí)別的目的，實(shí)際上判斷部分就是一個(gè)分離

6、器。識(shí)別系統(tǒng)學(xué)習(xí)部分的功能是生成計(jì)算機(jī)特征字典，學(xué)習(xí)根據(jù)已準(zhǔn)備好的多個(gè) 字樣，抽出代表該字的特征，進(jìn)行修改，按照字典的規(guī)定位置存放該特征。學(xué)習(xí) 分為兩種：一種是在人的參與下進(jìn)行，稱為“冇教師”學(xué)習(xí)；一種由計(jì)算機(jī)自動(dòng) 進(jìn)行，稱為“無教師學(xué)習(xí)”。1.2.文字識(shí)別的方法文字識(shí)別是指用計(jì)算機(jī)字典、高速地識(shí)別現(xiàn)在介質(zhì)（如紙張等）上的數(shù)字、 英文符號(hào)或漢字。文字識(shí)別實(shí)際上就是解決文字的分類問題，一般通過特征及特 征匹配的方法來進(jìn)行處理。特征判別是通過文字類別（例如英文或漢字）的共同規(guī)則（如區(qū)域特征、四 周邊特征等）進(jìn)行分類判別。它不需耍利用各種文字的具體知識(shí)，根據(jù)特征抽取 的程度（知識(shí)的使用程度）分解到地

7、使用結(jié)構(gòu)分析的辦法完成字符的識(shí)別。匹配的方法則是根據(jù)各國(guó)文字的知識(shí)（稱為自動(dòng)）采取按形式匹配的方法進(jìn) 行。按實(shí)現(xiàn)的技術(shù)途徑不同又可分為兩種：一種是直接利用輸入的二維平面圖像 與字典中記憶的圖像進(jìn)行全域匹配；另一種是只抽出部分圖像與字典進(jìn)行匹配。 然后根據(jù)各部分形狀及相對(duì)位置關(guān)系，與保存在字典屮的知識(shí)進(jìn)行對(duì)照，從而識(shí) 別出每一個(gè)具體的文字。前一種匹配方法適合于數(shù)字、英文符號(hào)一類的小字符集; 后一種匹配方法適用于漢字一類的大字符集。1.3.邊緣檢測(cè)邊緣(edge)是指圖像局部亮度變化量最顯著的部分。邊緣主要存在于目標(biāo)與 木板、目標(biāo)與背景、區(qū)域與區(qū)域(包括不同色彩)之間，是圖像分割、紋理特征 捉前和

8、形狀特征捉取等圖像分析的重要基礎(chǔ)。圖像分析和理解的第一步常常是邊 緣檢測(cè)。由于邊緣檢測(cè)十分重要，因此成為機(jī)器視覺研究領(lǐng)域最活躍的課題之一。圖像中的邊緣通常與圖像亮度或圖像亮度的一階導(dǎo)數(shù)的不連續(xù)性有關(guān)。圖像 亮度的不連續(xù)可分為：階躍不連續(xù)，即圖像亮度在不連續(xù)處的兩邊的像素灰度 值有著顯著的差異；線條不連續(xù)，即圖像亮度突然從一個(gè)值變化到另一個(gè)值, 保持一個(gè)較小的行程后乂返冋到原來的值。在實(shí)際中，階躍和線條邊緣圖像是很 少見的，由于大多數(shù)傳感元件具有低頻特性，使得階躍邊緣變成斜坡型邊緣，線 條邊緣變成屋頂形邊緣，其屮的亮度變化不是瞬間的，而是跨越一定的距離。對(duì)一個(gè)邊緣來說，有可能同時(shí)具有階躍和線條邊

9、緣特性，例如在一個(gè)表面上, 由一個(gè)平而變化到發(fā)線方向不同的另一個(gè)平而上就會(huì)產(chǎn)生階躍邊緣；如果這一表 面具有鏡面反射特性且兩平面形成的棱角比較圓滑，則當(dāng)棱角圓滑表面的法線經(jīng) 過鏡面反射角時(shí)，由于鏡面反射分量，在棱角圓滑表面上會(huì)產(chǎn)生明亮光條，這樣 的邊緣看起來像在階躍邊緣上疊加了一個(gè)線條邊緣。由于邊緣可能與場(chǎng)景屮物體 的重要特征對(duì)應(yīng)，所以它是很重要的圖像特征。比如，一個(gè)物體的輪廓通常產(chǎn)生 階躍邊緣，因?yàn)槲矬w的圖像亮度不同于背景的圖像亮度。2.簡(jiǎn)單貝葉斯分類器簡(jiǎn)單貝葉斯分類器(simple bayes classifier 或 nayve bayes classifier)假定 特征向量的各分量間相

10、對(duì)于決策變量是相對(duì)獨(dú)立的。對(duì)于特征向量為x=x】,x2, xdf的測(cè)試樣本，它屬于第g類的條件概率為：p(ci|x)=p(x|ci)*p(ci)/p(x)=(p(c)/p(x)(1)對(duì)每一個(gè)類別(即取不同的值)都計(jì)算上面的條件概率，最終的識(shí)別結(jié)果為 條件概率最大的那一類別。雖然簡(jiǎn)單貝葉斯分類器是基于獨(dú)立性假設(shè)的，在違背 這種假定的條件下簡(jiǎn)單貝葉斯也表現(xiàn)出和當(dāng)?shù)慕研院透咝?78,它已經(jīng)成功 地應(yīng)用到分類、聚類等問題中。2.1.簡(jiǎn)單貝葉斯分類器在切分中的應(yīng)用在確定文字的最佳候選后邊界時(shí)，假設(shè)有m個(gè)候選后邊界，分別對(duì)應(yīng)m個(gè) 候選切分結(jié)果，用d種特征來衡量英合理性，記為xj=x 1 ,x2, xd

11、t, j(= 1,2 m)o o 則，當(dāng)文字為ci類(c、c2、c3)分別表示漢字、英文和數(shù)字、標(biāo)點(diǎn)類別)，且 后邊界為第j個(gè)候選后邊界的概率為：p(xj,ci)=p(xj|ci)*p(ci)二 p(ci)(i二 1,2,3 j二l,2m)(2)以上公式(2)與公式(1)不同的是，公式(1)只需要確定一個(gè)值，即觀 測(cè)值x對(duì)應(yīng)的類別；而公式(2)不僅需耍確定一個(gè)候選后邊界切分出文字的種 類，還需要確定m個(gè)候選后邊界那一個(gè)最合適。顯然，使p(xj|ci)取最大值時(shí)的 j就對(duì)應(yīng)了最佳切分位置，而相應(yīng)的i即為對(duì)文字類別的定義。2. 2.特征提取文屮的貝葉斯分類器用到的特征可分為兩種：一種是文字形狀和結(jié)

12、構(gòu)方而的 特征，包描6種文字外形特征(文字高度、寬度、字間距離、覆蓋率、高寬比2、 縱向起始位置)和3種后邊界特征(后邊界穿越筆劃數(shù)、后邊界投影值、后邊界 上下穿越筆劃點(diǎn)距離)；另一種是文字內(nèi)容特征，包括16維方向線素特征(把文 字分成不重疊的2x2塊，每塊提取出水平、垂直、45。和135。4個(gè)方向的方向 線素特征)。第一種特征里，除了覆蓋率和高寬比外都需要特征歸一化。這里用 圖像中的漢字平均高和寬對(duì)它們歸一化。因此，切分過程的第一步需要估計(jì)基本 參數(shù)：漢字平均高和寬。在研究中發(fā)現(xiàn)，文字切分中最容易出現(xiàn)的錯(cuò)誤是：(1)把漢字的偏旁、部首 等部件當(dāng)成英文、數(shù)字或標(biāo)點(diǎn)單獨(dú)切開；(2)把英文、數(shù)字或

13、標(biāo)點(diǎn)與漢字切在一 起。為了有較好的切分效果，就需要抽取出能夠區(qū)分這些錯(cuò)誤的特征。一級(jí)漢字 中容易切開的漢字有以下兒種：(1)“八”，“兒”，“川”，“非”，“加”，“舊”，“別”, “訓(xùn)”;(2) “叫”，“禮”，“仆”，“討”，“引”，“很”;(3) “必”，“小”，“心”; (4) “懊”。第1、3種字，單個(gè)字左右部分容易切開；第2、4種字，由于有左 邊的部首，左右部分也容易切開；笫1、2種漢字易被當(dāng)成英文或數(shù)字類文字切 開；第2、4種漢字左邊的點(diǎn)易被當(dāng)成標(biāo)點(diǎn)類文字切開。為此，把上而4種文字 易被切開的部分定義為新的文字類別：部件類，用c4來表示它；該類僅用于提 取特征。3 歸一化算法的研

14、究漢字圖像的歸一化包括位置、大小、旋轉(zhuǎn)、傾斜和筆畫寬度的歸一化。在整 個(gè)漢字識(shí)別系統(tǒng)中會(huì)進(jìn)行字符切分、傾斜校正等步驟，本文主要研究漢字的大小 和筆畫寬度的歸一化。3.1.字體大小歸一化由于漢字字形、字體繁多，同一漢字的特征也因此而不同，為了便于統(tǒng)一描 述和提取同一漢字的特征，對(duì)不同字形、字體漢字均能識(shí)別，為漢字識(shí)別工作打 好基礎(chǔ)，在漢字特征提取詢還需對(duì)漢字圖像進(jìn)行大小歸一化的操作。所謂人小歸 一化就是對(duì)實(shí)際提取的字符進(jìn)行縮放操作，最后得到預(yù)定大小的字符圖像。一般漢字圖像預(yù)處理的第一步是進(jìn)行二值化處理，二值化處理的目的是把灰 度圖像轉(zhuǎn)換為二值圖像。二值化處理后圖像中的像素點(diǎn)不是1(黑點(diǎn))就是0(

15、白點(diǎn))。 記為：gm*n 二(r.j)(lwiwm, 1wjwn)其中，m和n分別為g的長(zhǎng)和寬；p訂為第i行、第j列的像素點(diǎn)。pij=l 時(shí)表示一個(gè)黑像素點(diǎn)(前景點(diǎn))，pi,j=0時(shí)表示一個(gè)白像素點(diǎn)(背景點(diǎn))。簡(jiǎn)記為g。一般的縮放算法是對(duì)一個(gè)區(qū)域的灰度值進(jìn)行運(yùn)算，由四個(gè)以上的輸入像素決 定輸出像素的灰度值。而對(duì)于二值圖像，只有黑白像素，此吋可以對(duì)圖g進(jìn)行 劃分而得到一組圖塊g，使得每個(gè)g內(nèi)黑像索點(diǎn)的分布是比較均勻的，記為：gm*n 二(pa,b) (pa,bug, lwawm, lwbwn)其屮，m和n(mwm, nwn)分別稱為該圖塊的長(zhǎng)和寬。定義了圖塊z后， 二值點(diǎn)陣圖像乂可表示為：gm*

16、n =(g%n ) (1wxwm / ml，lwywn / n)其中，(x,y)表示圖塊g在圖像g中的位置。在圖塊g中，值為1的像素點(diǎn)個(gè)數(shù)與全部像素點(diǎn)個(gè)數(shù)z比，稱為該圖塊的灰 度值。記為：p(g)=( spjj/cmxnbxloo% (1 wiwm, 1 wjwm)若g屮所有的像素點(diǎn)為1,則稱將g置1,若所有的像素點(diǎn)為0,則稱將g 置0o木文所用的大小歸一化算法不是簡(jiǎn)單地將g壓縮為一個(gè)像素點(diǎn)，而是按壓縮 比將g縮小成為另一個(gè)圖塊g,使得g具冇與g相同的特征，即二者的黑像素 點(diǎn)分布是相似的。這樣，由0構(gòu)成的縮小圖g就可基本上保持原圖g的特征， 從而減小了由縮小所造成的失真。設(shè)：gm，n =(gi

17、jm*n) (1 wiwm / m, 1 wjwn / n)g' =(g,ij) (g,ij為g縮小后形成的圖塊)算法描述如下： 讀入原圖g,根據(jù)g的行列數(shù)、特征及壓縮比，確定圖塊g的行、列數(shù) 及g的行、列數(shù)； i=l, j=l； 讀人卍，根據(jù)第一次劃分得到的圖塊的灰度值p®)及圖塊的特征構(gòu)造 ge;o 若iwm/m或jwn/n,則修改i, j的值使之指向下一個(gè)像素點(diǎn)，然 后轉(zhuǎn)向步驟繼續(xù)；否則結(jié)束。算法的關(guān)鍵是根據(jù)原圖塊g的黑點(diǎn)分布特征來動(dòng)態(tài)地構(gòu)成g 0為了提高處理 效率，可在分布特征基木相似的一個(gè)較大的區(qū)域采用相同的才。而當(dāng)特征發(fā)生較 大變化時(shí)再重新構(gòu)造新的g'。3

18、. 2.筆畫寬度歸一化對(duì)筆畫寬度進(jìn)行歸一一化的目的是使二值圖像變?yōu)閮H有一個(gè)像素寬度的骨 架，這個(gè)過程也稱之為細(xì)化。細(xì)化的本質(zhì)就是尋找圖形的中軸線或骨架。并以其骨架來取代該圖形。細(xì)化 后的圖形的像素寬度變?yōu)?,但仍能保持原圖形的結(jié)構(gòu)性信息，如位置、方向、 長(zhǎng)度等。在現(xiàn)代模式識(shí)別系統(tǒng)屮，細(xì)化處理已經(jīng)成為最為關(guān)鍵的預(yù)處理步驟2， 細(xì)化效果的好壞將直接影響識(shí)別速度及識(shí)別的準(zhǔn)確率?？梢哉f能否進(jìn)行有效的細(xì) 化，已成為識(shí)別系統(tǒng)成功與否的關(guān)鍵所在。對(duì)一個(gè)圖像細(xì)化之后的骨架必須能夠反映出原來物體的形狀特征才具冇實(shí) 用價(jià)值。因此，一個(gè)好的細(xì)化算法一般需要滿足以卜要求： 保留物體形狀的連通性，可以是4向連通也可以是

19、8向連通。 無過度腐蝕，即保留位置重要的點(diǎn)（如線段終點(diǎn)）。 骨架圖像盡可能是原圖像的屮心線。 骨架必須與原物體是拓?fù)涞葍r(jià)的。 抗噪聲性能好，出現(xiàn)在物體邊界上的噪聲不應(yīng)該過分影響細(xì)化結(jié)果。細(xì)化分成串行細(xì)化和并行細(xì)化，串行細(xì)化即是一邊檢測(cè)滿足細(xì)化條件的點(diǎn)， 一邊刪除細(xì)化點(diǎn)；并行細(xì)化即是檢測(cè)細(xì)化點(diǎn)的時(shí)候不進(jìn)行點(diǎn)的刪除只進(jìn)行標(biāo)記， 而在檢測(cè)完整幅圖像后一次性去除要細(xì)化的點(diǎn)。經(jīng)典的圖像細(xì)化算法冇hilditch算法，pavlidis算法和rosenfeld算法等。zhang細(xì)化算法2是冃前應(yīng)用最為普遍的方法z ，是在上面三種細(xì)化算法 的基礎(chǔ)上演變而來的，也是本系統(tǒng)所采用的算法。每當(dāng)人們開發(fā)出一種新的算法

20、 時(shí)，也經(jīng)常引用zhang細(xì)化算法來與新算法進(jìn)行比較，以評(píng)定新算法的優(yōu)劣。定義邊界點(diǎn)是木身標(biāo)記為1而其8向連通鄰域屮至少有一個(gè)點(diǎn)標(biāo)記為0的點(diǎn)。 以邊界點(diǎn)為中心的8向鄰域，即中心點(diǎn)為pl,其鄰域的8個(gè)點(diǎn)繞中心點(diǎn)順 時(shí)針依次進(jìn)行標(biāo)記，如圖所示。首先標(biāo)記同時(shí)滿足卜列條件的邊界點(diǎn)： 連接數(shù)=1。 26個(gè)零像素。 p2, p4, p6屮至少有一個(gè)像素是背景像素（即白色點(diǎn)）。 p4, p6, p8屮至少冇一個(gè)像素是背景像素。在一次迭代運(yùn)算后，刪除被標(biāo)記的像素點(diǎn)，然后進(jìn)行另一個(gè)迭代，其步驟和 第一次迭代相同，只是把上述、 條件替換成如下的形式： p2, p4, p8中至少有一個(gè)像索是背景像索。 p4, p6, p8中至少有一個(gè)像素是背景像素。第二個(gè)迭代后，同樣刪除所有被標(biāo)記像素。然后傳入下一輪循環(huán)，直到兩次 迭代中均無像素被刪除時(shí)，算法結(jié)束。3. 3.算法修正由于圖像邊界的不規(guī)則和骨架對(duì)噪聲的敏感，使抽取骨架存在大量的畸 變.從而使數(shù)據(jù)擬合和矢量化跟蹤的結(jié)果不能正確表示原始信息，嚴(yán)重地影響到 今后對(duì)圖像的識(shí)別質(zhì)量。對(duì)此，一般的修正策略是對(duì)給定肯架的兩個(gè)連通成分, 考查它們之間的距離與某一域值的關(guān)系，以決定這兩個(gè)連通成分的連接性。較為 常用的法訂：3.3.1. 固定視口法為校止骨架化畸變，可設(shè)定固定的視口，根據(jù)固定視口