基于識別反饋機制的多粘連字符分割與識別.pdf

1、手寫文字識別技術已廣泛應用于各類智能系統(tǒng)。粘接文字的分割是手寫文字識別的第一步，因其分割難度之大，往往成為進一步識別甚至是整個智能系統(tǒng)的瓶頸，分割的好壞直接決定了識別率的高低。通常，隨著字符串個數(shù)的增加，粘連程度的增大，分割難度也在進一步加大。目前，多粘連字符串的分割與識別現(xiàn)在已成為手寫文字識別系統(tǒng)研究的熱點之一。 針對含有字符和數(shù)字的強粘連字符串的分割與識別問題，本文做了如下工作： 1．本文對初始灰度圖片進行分割之前，

2、采用了一種新的預處理方法，以求粘連字符串分成盡可能多的幾個連通區(qū)域，然后采用本文提出的字符串上下輪廓提取方法，對預處理后的圖片提取上下輪廓。得到上下輪廓后，利用KNN分類器找到候選的特征點，進而根據(jù)候選特征點構造出分割路徑集合。 2．利用分治算法依次處理字符串圖片的每個連通區(qū)域，然后對粘連字符部分使用基于識別反饋機制的字符分割算法，篩選出最優(yōu)分割路徑來完成分割和識別，再組合所有連通區(qū)域的識別結果得到最終的結果。此方法與以往算法相

3、比，時間復雜度在一定程度上有所降低。 3．本文采用KNN和BP神經(jīng)網(wǎng)絡這兩種分類器做單字符識別，最終選擇識別率更高的BP神經(jīng)網(wǎng)絡用于識別反饋。 本文的創(chuàng)新點是：首先我們采用一種新的預處理方法來處理灰度圖片，然后利用KNN分類器來提取輪廓特征點，隨后采用了一種打分機制匹配上下輪廓特征點來構造分割路徑集合。最后，我們將遺傳算法和識別反饋結合起來完成字符分割與識別。 實驗結果表明，本文提出的方法在解決強粘連多字符串的分