[发明专利]基于多特征融合的实时手写体数字识别方法

说明书

技术领域

本发明涉及手写体数字识别技术领域，特别是涉及一种基于多特征融合的实时手写体数字识别方法。

背景技术

手写体数字识别是一个传统和典型的模式识别问题，是光学字符识别(Optical Character Recognition)的一个重要组成部分，在实际生活中有着广泛的应用。因为手写体数字图像缺少了笔画的动态信息，并且书写的风格各异，因此在识别过程中有很大的难度，误识率也较高。但是，手写体数字识别在一些特殊的场合有着不可替代的作用，比如邮政信件分拣中的邮政编码识别，银行支票中的手写体数字识别等。由于手写体数字识别经常涉及会计、金融领域，其严格性是不言而喻的，所以对识别系统的可靠性和识别率要求很高，构成了手写体数字识别面临的主要困难。因此，手写体数字识别的研究有着重要的现实意义，也更具挑战性。

手写体数字的类别虽然仅仅只有10种，但是手写体数字的识别是相当困难的。许多测试的结果显示手写体数字的识别率远远低于印刷体的汉字，甚至还没有联机的手写体汉字的识别率高。造成这种情况的原因有：数字笔画简单，差别相对较小，再加上手写体的书写不规范，使得数字特征的提取存在很大的困难，进而识别起来就会有很大的误识率和拒识率。

目前，虽然手写体数字的识别已经研究了很长时间，并且取得了很大的突破和进展，但是手写体数字的识别仍然存在两个重要的问题。一是识别的精度还需要进一步的提高。二是大批量数据处理对系统速度又有相当高的要求，因此识别的速度也需要进一步的提高。现在社会已经跨入信息社会，数字识别的信息量会越来越大，因此，必须保证在高精度的前提下，努力去提高数字识别的速度。

而手写体数字识别的精确率，与特征提取及融合密切相关。在过去的几十年中，人们提出了很多方法来获取手写体数字的关键特征，主要分为两大类：全局分析和结构分析。对前者，可使用模板匹配、像素密度、矩、特征点、数学变换等技术。这类的特征常常和统计分类方法一起使用。对于后者，多半需要从字符的轮廓或骨架上提取字符形状的基本特征，包括：圈、端点、节点、弧、突起、凹陷、笔画等等。这些结构特征往往与句法分类使用。

对于手写体数字识别，难以实现高精度的有效识别。因此，对手写体数字识别的研究正向着更为成熟、复杂、综合的方向发展，尤其是在多特征的提取以及优化融合这些问题的研究上。

发明内容

本发明的目的在于提供一种基于多特征融合的实时手写体数字识别方法，该方法能较好地分析结构特征与统计特征，既保留结构特征和统计特征中的鉴别信息,又在一定程度上消除冗余信息，使每个手写体数字类别的特性更加明显，更易于区分，进一步提高了手写体数字的识别率。

为实现上述目的，本发明采用的技术方案包括以下步骤：

一种基于多特征融合的实时手写体数字识别方法，包括如下步骤：

第一步、手写体数字图像的预处理

(1)对手写体数字图像I，转化成256灰度级的位图格式，并进行黑白二值化处理，得到二值图像，用I₁表示；

(2)截取二值图像I₁中的手写体数字部分，使手写体数字居于正中间，得到数字居中图像I₂；

(3)计算数字居中图像I₂的宽度W与长度H的比例W/H，以及白色像素点数量W_Num与总像素点数量S_Num的比例W_Num/S_Num,如果W/H低于阈值R₁，则对图像的宽度W做出调整，如果W_Num/S_Num低于阈值R₂，则对图像I₂做膨胀运算，用I₃表示调整形状后的图像；

(4)将调整形状后的图像I₃缩放到N×N个像素点，并再次二值化，得到归一化图像，再对归一化图像做细化处理并消除小分支，得到预处理图像I₄；

第二步、手写体数字图像的结构特征和统计特征提取

(2)在结构特征上，提取过程如下：

分别计算预处理图像I₄在竖直方向的三个位置处的白色像素点的个数，得到3个特征值；

分别计算预处理图像I₄在水平方向的三个位置处的白色像素点的个数，得到3个特征值；

分别计算预处理图像I₄在左对角线和右对角线处的白色像素点的个数，得到2个特征值；

分别计算预处理图像I₄的端点数和四叉点数，得到2个特征值；