[发明专利]一种手写字符识别方法及系统

权利要求书

1.一种手写字符识别方法，其特征在于，包括以下步骤：

A、建立由各个字符类的第一样本中心构成的粗分类模版，以及由各个字符类的第二样本中心构成的细分类模版，该细分类模版是根据Fisher准则计算特征变换矩阵，利用该变换矩阵对全体字符类的样本进行特征变换，计算得到各个字符类的第二样本中心，然后对特征变换矩阵和各个字符类的第二样本中心进行迭代调整得到的；

B、接收用户手写字符输入的信号并采集输入字符轨迹点的离散坐标序列，进行预处理之后得到该字符的规整坐标序列；

C、根据所述规整坐标序列，进行特征提取，将所有相邻轨迹点形成的矢量线段分解到八个标准方向，计算手写输入字符的多维特征矢量；

D、从所述手写输入字符的多维特征矢量中选取部分特征值，将所述手写输入字符分别与所述粗分类模版进行匹配，从所述粗分类模版中选取相似度最大的若干个样本中心，并将这若干个样本中心对应的字符类作为候选字符类；

E、利用步骤A中所述的特征变换矩阵，对所述手写输入字符的多维特征矢量进行特征变换，从所述细分类模版中选取步骤D中得到的所述候选字符类的样本中心，分别与特征变换后的手写输入字符进行匹配，从所述候选字符类中确定最相似的字符类，以供用户选择。

2.根据权利要求1所述的一种手写字符识别方法，其特征在于，所述步骤A具体包括以下步骤：

A1、采集各个字符类的手写字符样本，并计算所述手写字符样本的轨迹点的离散坐标序列；

A2、将手写字符样本的轨迹点的离散坐标序列进行预处理，得到该手写字符样本的规整坐标序列； 

A3、根据所述的规整坐标序列，进行特征提取，将所有相邻轨迹点形成的矢量线段分解到八个标准方向，得到该手写字符样本的多维特征矢量；

A4、从全体字符类的样本的多维特征矢量中选取部分特征值，计算各个字符类的第一样本中心，得到由各个字符类的第一样本中心构成的粗分类模版；

A5、根据Fisher准则计算特征变换矩阵，利用该变换矩阵对全体字符类的样本的多维特征矢量进行特征变换，重新计算各个字符类的第二样本中心，得到由各个字符类的第二样本中心构成的细分类模版。

3.根据权利要求2所述的一种手写字符识别方法，其特征在于，所述步骤A3和C具体包括以下步骤：

根据所述规整坐标序列，将所有相邻轨迹点形成的矢量线段分解到八个标准方向，每个标准方向上得到各个矢量线段的长度值；

对所述得到的各个矢量线段的长度值进行处理，计算大尺度特征值和小尺度特征值，得到由大尺度特征值和小尺度特征值构成的多维特征矢量。

4.根据权利要求2所述的一种手写字符识别方法，其特征在于，所述步骤A4具体包括以下步骤：

根据Fisher准则，从预存的每一个字符类的样本中，选取使得Fisher比最大的若干个特征值；

根据由选取特征值构成的样本的特征矢量，计算该字符类的样本中心的特征矢量，得到由全体字符类的样本中心构成的粗分类模版。

5.根据权利要求2所述的一种手写字符识别方法，其特征在于， 所述步骤A5具体包括以下步骤：

利用根据Fisher准则得到的特征变换矩阵，将所有字符类的样本进行特征变换，降低其多维特征矢量的维数；

重新计算特征变换后的所有字符类的样本中心；

对所述特征变换矩阵及所有字符类的样本中心进行迭代调整，重新计算特征变换矩阵和所有字符类的样本中心，得到由全体字符类的样本中心构成的细分类模版。

6.根据权利要求1所述的一种手写字符识别方法，其特征在于，所述步骤D具体包括以下步骤：

根据Fisher准则，从所述手写输入字符的多维特征矢量中选取部分特征值，所述手写输入字符具有与字符类的样本相同维数的由选取特征值构成的特征矢量；

将所述手写输入字符分别与所述粗分类模版进行匹配，从预存储字符类中选取相似度最大的若干个候选字符类。

7.根据权利要求6所述的一种手写字符识别方法，其特征在于，所述步骤E具体包括以下步骤：

用迭代调整后的特征变换矩阵对手写输入字符进行特征变换，得到其低维特征矢量；

该手写输入字符的低维特征矢量分别与从所述细分类模版中选取的候选字符类的样本中心进行匹配，从候选字符类中确定相似度最大的字符类，以供用户选择。