[发明专利]一种残缺汉字识别方法

权利要求书

1.一种残缺汉字识别方法，其特征在于,具体包括以下步骤：

Step0：提取汉字特征并建立汉字特征数据库，根据15×16像素中文点阵字库，将点阵按照从左至右、从上至下的规则划分为40个2×3像素的小矩阵，记2×3像素小矩阵中汉字所占像素数为p_i,i∈[1,40]，观察所有p_i,i∈[1,40]并生成该汉字所对应的汉字特征向量{p₁,p₂,…,p₄₀}，且将所有汉字及生成的汉字特征向量存入数据库，组建汉字特征数据库P:{P₁,P₂,…,P_N}；

Step1：利用扫描技术及汉字形状特征，从汉字载体中提取出待检测残缺汉字X的图片，将图片以15:16的比例剪切至待检测残缺汉字X铺满图片为止，但要将其残缺汉字重心处于图片的中心，并留取合适的边距，生成待检测残缺汉字X的扫描图片

Step2：将待检测残缺汉字X的扫描图片进行灰度化及二值化，将其按比例切割为15×16像素点所组成的矩阵形式，对每个像素点进行归一化，并以此规则生成待检测残缺汉字X的15×16像素点阵形式；

Step3：将待检测残缺汉字X的15×16像素点阵，按照从左至右、从上至下的规则划分为40个2×3像素的小矩阵，记2×3像素小矩阵中残缺汉字所占像素数为p_i,i∈[1,40]，观察所有p_i,i∈[1,40]并生成待检测残缺汉字X所对应的汉字特征向量X:{x₁,x₂,…,x₄₀}；

Step4：将待检测残缺汉字X的汉字特征向量X:{x₁,x₂,…,x₄₀}，以及汉字特征数据库P中的汉字特征向量P_i:{p₁,p₂,…,p₄₀},i∈[1,N]作为输入，由余弦定理计算公式(1)求得待检测残缺汉字X、目标汉字P_i之间基于余弦定理的字形相似度Sim₁(X,P_i)；

Step5：将待检测残缺汉字X的汉字特征向量X:{x₁,x₂,…,x₄₀}，以及汉字特征数据库P中的汉字特征向量P_i:{p₁,p₂,…,p₄₀},i∈[1,N]作为输入，定义归一化参数δ，由欧氏距离计算公式(2)求得待检测残缺汉字X、目标汉字P_i之间基于欧氏距离的字形相似度Sim₂(X,P_i)；

Step6：设Step4、Step5步骤所计算出的相似度对应权值分别为α、β，权值α、β满足α+β＝1的要求，由字形相似度Sim₁(X,P_i)及权值α、字形相似度Sim₂(X,P_i)及权值β，由相似度融合算法，即公式(3)计算出待检测残缺汉字X、目标汉字P_i之间的最终字形相似度Sim(X,P_i)；

Sim(X,P_i)＝Sim₁(X,P_i)·α+Sim₂(X,P_i)·β (3)

Step7：遍历汉字特征数据库P，对数据库中每个汉字P_i,i∈[1,N]都经Step4、Step5、Step6步骤，计算其与待检测残缺汉字X之间的字形相似度Sim(X,P_i)，定义相似阈值θ，如果满足公式：Sim(X,P_i)≥θ的要求则将该汉字添加至相似字集合，最终导出待检测残缺汉字X的相似字集合S:{S₁,S₂,…,S_M}，其中M是与待检测残缺汉字X相似的汉字个数。