在線手寫電路圖筆劃分割識(shí)別研究.pdf

1、手寫圖表是人類一種自然而直接的跨語言、跨文化、跨時(shí)代的交流方式，也是一種設(shè)計(jì)表達(dá)的基本手段。本文以在線手寫輸入電路圖為特征研究對(duì)象，以隱馬爾科夫模型（Hidden Markov Model，簡(jiǎn)稱HMM）為背景算法，以實(shí)現(xiàn)草圖識(shí)別的自適應(yīng)性為目標(biāo)，提出一種基于空間幾何特征的手繪圖表筆劃分割方法，從筆序角度研究在線手寫圖表的語義理解，并實(shí)現(xiàn)一個(gè)基于面向?qū)ο髽?gòu)思的在線手寫圖表的筆劃分割和識(shí)別軟件系統(tǒng)。手寫圖表與印刷體圖形有很大的區(qū)別，印刷體圖

2、形的特點(diǎn)是標(biāo)準(zhǔn)化，所以印刷體圖形能用一個(gè)標(biāo)準(zhǔn)的公用模版進(jìn)行識(shí)別。而手寫圖形的隨意性很大，不規(guī)則性強(qiáng)，從而大大增加它的識(shí)別難度。手寫圖表識(shí)別的難易程度取決于與輸入者的繪圖自由度，對(duì)輸入的限制越多，草圖越容易被識(shí)別，因此，人機(jī)交互的手寫圖表識(shí)別需要在用戶繪制草圖的自由度和識(shí)別難度之間找到平衡點(diǎn)。如何在保證用戶輸入自由度的前提下設(shè)計(jì)出高效的手寫圖表識(shí)別方法，是手寫圖表的關(guān)鍵技術(shù)。本文是以此關(guān)鍵技術(shù)為主線展開研究．并取得以下研究成果：

3、（1）提出可比性強(qiáng)的手寫輸入數(shù)據(jù)規(guī)范化方法。針對(duì)在線圖形輸入時(shí)存在的書寫壓力、書寫速度或各種輸入儀器的偏差等各種不可預(yù)測(cè)的不均衡現(xiàn)象，提出等距離法重采樣法、基于最小單元（Unit-based）的重采樣法的數(shù)據(jù)標(biāo)準(zhǔn)化處理方法，從而使大小、類型各不相同的手寫圖表具有可比性。 （2）構(gòu)建基于隱馬爾科夫模型理論（HMM）的手寫圖表筆畫分割識(shí)別模型。針對(duì)手寫圖表的隨意性和不可預(yù)測(cè)性，利用HMM的時(shí)序特性進(jìn)行筆畫特征分割與語義識(shí)別，并用相同

4、的特征模型與支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等其他機(jī)器學(xué)習(xí)方法比較。 本論文具有以下創(chuàng)新點(diǎn)： （1）針對(duì)網(wǎng)絡(luò)類手繪草圖書寫隨意性、不確定性特征，提出基于8個(gè)角度方向、9種狀態(tài)的空間子模版匹配映射識(shí)別方法，解決語義模糊的手繪圖形與計(jì)算機(jī)識(shí)別的映射關(guān)系。 （2）在引入隱馬爾科夫模型進(jìn)行語義理解的同時(shí)，提出一種基于概率密度組合法，解決多維向量特征與特征狀態(tài)單元的對(duì)照映射問題，實(shí)現(xiàn)隱馬爾科夫模型對(duì)多維特征的結(jié)果逼近方法。 通