蒙古文古籍識(shí)別技術(shù)的研究.pdf

1、目前,我國(guó)有大量的蒙古文古籍以圖像的形式保存在圖書(shū)館中。這些古籍文檔內(nèi)容涉及宗教、歷史、文化、藝術(shù)、天文、地理、民族、醫(yī)學(xué)等諸多方面,是人類(lèi)文化的寶貴遺產(chǎn)。但圖像格式的古籍文檔不利于研究人員的編輯,檢索、以及更進(jìn)一步的統(tǒng)計(jì)分析。因此本文以木刻印刷的《御制蒙古文甘珠爾經(jīng)》為研究對(duì)象,對(duì)蒙古文古籍文檔的識(shí)別進(jìn)行了深入研究,對(duì)蒙古文古籍的識(shí)別提出了行之有效的解決方案,以期推動(dòng)蒙古文古籍文檔的電子化,為蒙古文古籍的挖掘和利用提供便利,從而促進(jìn)蒙

2、古文化的傳播和發(fā)揚(yáng)光大。
　　 本文分析了蒙古文以及蒙古文古籍的特點(diǎn),在此基礎(chǔ)上提出了蒙古文古籍識(shí)別的方法。在預(yù)處理階段,通過(guò)對(duì)古籍的自身特點(diǎn)的分析,本文選取合適的方法對(duì)蒙古文古籍文檔進(jìn)行傾斜校正,二值化和去噪處理。在文檔分割階段,本文依據(jù)水平投影對(duì)文檔圖像進(jìn)行列切分,然后根據(jù)最大連通域?qū)γ恳涣羞M(jìn)行詞切分。在單詞切分后,進(jìn)一步依據(jù)主干線將蒙古文單詞切分成字元(Glyph UnitAbbr.GU)。每個(gè)字元由不超過(guò)三個(gè)蒙古文字母組

3、成。在特征提取階段,我們根據(jù)分類(lèi)要求,共提取字元的八種特征:LP,Euler number,BD,DCT,DWT,PCA,Con&Pro,and EPI。在分類(lèi)階段,我們采取三步分類(lèi)的方法。在第一步,我們利用決策樹(shù)進(jìn)行將所有的字元分到九組字元中的一組。在第二步,對(duì)每組字元,我們利用5個(gè)BP神經(jīng)網(wǎng)絡(luò)對(duì)該組字元進(jìn)行識(shí)別。5個(gè)神經(jīng)網(wǎng)絡(luò)的輸入分別為字元的五種特征向量。在第三步,通過(guò)對(duì)5個(gè)神經(jīng)網(wǎng)絡(luò)返回的5組結(jié)果綜合生成每組字元的最終的識(shí)別結(jié)果。對(duì)