[发明专利]用于脱机手写维吾尔文单词的字符切分方法

说明书

技术领域

本发明涉及一种数字图像处理方法，属于字符切分方法，可用于光 学字符识别中脱机手写维吾尔文单词的字符切分。

背景技术

随着手写字符识别应用领域不断扩展以及分类器识别能力的提高， 字符分割技术已经成为光学字符识别研究领域中的关键问题。实践表 明，字符切分不准确是产生误识别的主要原因之一，单字符正确识别率 的提高在很大程度上依赖于字符分割的准确性。

维吾尔文是我国一种重要的少数民族文字，属于阿尔泰语系突厥语 族西匈语支，仅在新疆地区就有900多万人使用维吾尔语进行交流和沟 通。开展维吾尔文识别的研究具有很高的理论价值和广阔的市场应用前 景。该技术的突破，对促进少数民族地区的信息化建设、促进民族和谐 发展，让少数民族群众共享信息化时代的丰硕成果等方面有重要意义。

目前，相对于中文、拉丁文、日文等主要文字识别系统的快速发展， 维吾尔文识别领域的发展明显滞后，尤其针对脱机手写维吾尔文识别研 究尚未见成熟报道。相比较与单字符识别，单词识别具有以下优势：(1) 更自然连贯的手写输入方式。人们在手写文字时，大部分都是以词为单 位在脑海中出现，如果将一个词中的字符逐个书写逐个识别，则很容易 影响思维的连贯性，因此，多字词的连续输入相对于单个字符逐个逐框 地输入更显得自然和人性化；(2)更快速的手写输入及识别方式。直接对 词进行书写识别，可以不用间断的将一个词输入，并进行单词整体识别。 目前，对于维吾尔文字符的识别已经有了一些研究成果，因此，如何将 单词中的字符正确切分出来，输入字符识别模块，是必须要解决的瓶颈 问题。由于包含了上下文信息，只要切分问题能处理的较好，则整词的 识别效果将优于字符的识别。

但是，由于维吾尔文单词无统一的高度、宽度，单词中存在字母间 前连、后连和前后连等情况，同时，连接方式不同的字母书写形式也不 同，这就造成一个单词中经常存在多个连通的伪词汇的现象，这种情况 在手写维吾尔文中更为突出。以上特点使得维吾尔单词的字符切分问题 变得很复杂，作为维吾尔文单词识别中关键步骤的字符切分，其目标就 是把含有手写单词的二值图像，切分为多个正确的二值化单字符图像。

目前，普遍采用的字符切分方法有：投影分析法、基于边缘跟踪的 方法、基于识别的方法、基于细化字符的方法、基于神经网络的方法、 基于形态学算子的方法等。其中：

投影分析法主要是利用字符串的垂直投影来检测切分点位置。如果 字符之间分离性比较好，字符间空隙的投影值将为零，在处理字体排列 整齐，规范，且质量较好的印刷体图像时，该方法简单、实用而且有效， 但是当手写文字书写复杂起来时，由于字符串之间互相搭粘，因而这种 简单的方法往往效果较差，无法解决问题。

基于边缘跟踪的方法，通过寻找轮廓线相对应的局部凹点来确定分 割路径，这是一类较有潜力的切分方法，但是如何有效地提取笔划信息 仍然有待于进一步研究。该类方法的缺点是计算复杂，效率较低，而且 对于字迹潦草的手写体，它们的笔划类别和边界往往难以准确定义，因 此取得的切分效果不理想。

基于识别的方法，这类方法主要的特点是利用识别结果来决定切分 结果，认为字符的切分应与字符识别紧密结合。但是，对于字符集较大 的识别，用该方法是一个很耗时的过程。如果用识别的结果来验证切分 的有效性，则取得速度和性能都比较好的切分效果将是相当困难的。

针对手写维吾尔文字符切分，上述几类方法同样存在以下困难，具 体表现在：

投影分析法的基本原理是利用字符串的垂直投影来检测切分点位 置，但是手写维吾尔文字往往出现笔画互相搭粘，附加字符位置偏移等 问题，无法准确定位出字符串垂直投影的局部极小点，或者会对字符产 生割裂切分等现象。

基于边缘跟踪的方法其缺点在于需要跟踪文字的轮廓线，手写维文 单词一般包含较多字符，书写不规范，采用此方法对笔画进行跟踪，计 算较复杂，相对于投影分析法效率偏低。

基于识别的方法需要根据识别结果确定切分结果，维文字符共32 个，具有128种变化形式，字符之间相似程度较高，如果将两者耦合， 用识别结果来验证切分的有效性，要取得速度和性能都比较好的切分效 果是比较困难的。