手寫粗體漢字的細化與特征提取研究.pdf

1、手寫體漢字識別是模式識別的一個重要研究課題，目前已有很多研究成果。手寫粗體漢字屬于手寫體漢字的一個研究分支，這些漢字多出現(xiàn)在圓柱體對聯(lián)、碑文以及書法字中，由于手寫粗體漢字的文字獲取存在一定困難，且筆畫較粗，特征提取復(fù)雜，使得整個手寫粗體漢字識別系統(tǒng)的建立難于普通的漢字識別系統(tǒng)。考慮專門的研究文獻較少，借助類似的識別系統(tǒng)方法，本文建立了初步的手寫粗體漢字識別系統(tǒng)。在手寫粗體漢字識別系統(tǒng)中，并行與串行細化算法的結(jié)合可以彌補單個算法的不足；L

2、GBP算子作為特征提取的算法，簡單易操作，Gabor特征能夠多尺度多角度反映圖像的特征，它們在識別領(lǐng)域已得到較好的應(yīng)用；同時SVM在分類算法中取得較好的效果，這些算法的結(jié)合應(yīng)用為手寫粗體漢字的識別奠定了基礎(chǔ)，并能夠為古漢字的研究以及歷史人文研究提供有利的工具。
　　本文的重點在于圓柱面漢字獲取、手寫粗體漢字細化及特征提取，主要做了以下工作：
　　(1)圓柱面手寫粗體漢字獲取及預(yù)處理。借助全景圖投影和反投影的思想，提出了改進的

3、柱面反投影方法獲得平面的手寫粗體漢字。然后對平面手寫體粗體漢字進行灰度化、平滑去噪、二值化、圖像增強以及文字切分等處理。
　　(2)針對手寫粗體漢字細化會出現(xiàn)的細化模板較多，細化不全和串行算法的骨架非對稱現(xiàn)象，提出了基于并行模板的手寫粗體漢字串行細化算法，實驗仿真表明該算法模板較少，速度較快，細化完全，骨架對稱性較好。
　　(3)介紹了手寫體漢字的結(jié)構(gòu)和統(tǒng)計特征提取算法，重點分析了Gabor特征和LBP算法的優(yōu)點，最終利用L