[发明专利]一种提高英文在线手写草书识别速率的分割方法

权利要求书

1.一种提高英文在线手写草书识别率的分割方法，其特征在于，包括如下步骤：

步骤100，手写输入字符；

步骤102，对字符图案进行预处理，并提取特征点；

步骤104，根据特征点构建各种细分单元的组合，提取邻域图，建立特征函数，并用带权重参数的总能量函数来作为评估路径标准；

步骤106，从数据库中建立词汇树，以便后续匹配；

步骤108，建立字符识别器；

步骤110，路径分割与搜索，包括无分割和分割策略；

步骤112，确认最优分割路径，输出结果；

所述步骤110中，所述无分割和分割策略的特征在于无分割策略扩展搜索中，利用分割策略中构建的分割候选格来增加长度范围来限制搜索路径，从而缩小同步波束搜索的路径范围，先确定第一级的节点路径，并逐级扩展深度进行搜索。

2.如权利要求1所述的一种提高英文在线手写草书识别率的分割方法，其特征在于，所述步骤102预处理过程，包含以下步骤：

步骤200，对于给定一个单词，本发明使用线性回归线来近似轨迹的局部极小或者局部极大，以此计算基准；

步骤202，根据每个单词的倾斜角来调整斜度，将单词的不同斜度归一化；

步骤204，根据基准线和局部极大值线，将单词尺寸归一化；

步骤206，重新采用轨迹点，使用线性内插法确保笔尖的坐标是等距的；

步骤208，将高斯滤波器应用到序列中的每个坐标点来平滑轨迹；

步骤210，删除一些延迟的笔画；

步骤212，最后提取特征点，每一笔画的起始点和结束点都被提取为特征点，当超过一定阈值后，离相邻两特征点所连直线距离最远的点也被提取为特征点，直到没有更多的点被提取为特征点。

3.如权利要求1所述的一种提高英文在线手写草书识别率的分割方法，其特征在于，所述步骤104中所述的特征函数，其特征在于，本发明使用三个一元类相关特征函数来评价节点的贡献，包括字符内部结构，字符尺寸，单个字符位置等，并使用一个二元类相关特征函数和一个二元类无关特征函数来捕获节点之间的相互关系，包括对字符位置和水平重叠等。

4.如权利要求1所述的一种提高英文在线手写草书识别率的分割方法，其特征在于，所述步骤104所述的总能量函数，其中的权重参数Λ，通过遗传算(GA)，使用有效数据最大化其识别率来训练权重参数。

5.如权利要求1所述的一种提高英文在线手写草书识别率的分割方法，其特征在于，所述步骤106中的词汇树，训练字符MRFs时，我们可以计算每个字符类的特征点数目范围，并据此计算词典树上每个节点到终端的特征点的长度范围。

6.如权利要求1所述的一种提高英文在线手写草书识别率的分割方法，其特征在于，所述步骤108中的字符识别器，结合了基于方向直方图功能的PDBMN-MQDF分类器和MRF分类器，PDBMN-MQDF分类器侧重于评估字符图案的形状而MRF分类器侧重于评估字符图案的结构。

7.如权利要求1所述的一种提高英文在线手写草书识别率的分割方法，其特征在于，所述步骤110的无分割方法，在识别过程中，利用一维结构模型比如HMMs或者MRFs等的作用，根据假定的单词语料库，将字符模型串起来构造单词模型，并利用字符模型去除和选择分割点。

8.如权利要求1所述的一种提高英文在线手写草书识别率的分割方法，其特征在于，所述步骤110的分割方法，将真实边界分割成字符图案并一一标记。一个单词会被过分割成若干个初始段，每一段包含单个字符或者部分字符。这些初始段可以组合起来生成候选的字符图案(形成候选格)，被字符识别器结合几何形状和语言环境进行评估。