[发明专利]基于计算机的依据字素分割的脱机手写维文单词识别方法

权利要求书

1.基于计算机的依据字素分割的脱机手写维文单词识别方法，其步骤为：

步骤1、根据维吾尔文字的形态结构和书写规则，建立维吾尔单词字素库；

步骤2、对采集到的脱机手写维文单词图像进行预处理；

步骤3、对步骤2预处理后的手写维文单词图像，以字素为单位进行分割，得到三个脱机手写维文字素序列；

步骤4、对步骤3获得的不同字素序列中的字素，设计不同的特征提取和分类器，分类识别后获得识别距离，再将识别距离转化为字素识别置信度；

步骤5、构建单词的字素贝叶斯网络模型，包括字素、连体段和单词的状态节点，并提供该模型网络结构的规整方法；

步骤6、通过步骤5所述的单词贝叶斯网络模型，输入步骤4所得字素识别置信度，推理计算待测样本至维文单词类别的识别置信度，得到单词识别结果；

其特征在于，步骤5所述的单词贝叶斯网络模型的构建包括：

(5-1)单词的贝叶斯网络建模：针对维文单词分割产生的字素序列，通过贝叶斯网络构建单词、连体段和字素之间的三级匹配模型，其中包括单词、连体段和字素等状态节点，并以有向弧表示状态节点之间的转移概率；

(5-2)贝叶斯网络模型的参数估计：所含的模型参数包括状态转移概率和字素识别概率：

(5-2-1)对于状态转移概率，有表示组成关系和表示字素联系两类，表示组成关系的状态转移概率由状态节点之间的构成关系确定，表示字素间联系的状态转移概率，可根据维吾尔文语料库进行词频数据统计得到；

(5-2-2)对于字素识别概率，即字素识别置信度；

(5-3)贝叶斯网络模型的结构规整：由于单词所包含连体段、字素的数目不定，为计算待识样本至单词类别的识别置信度，利用空字素Φ来规整贝叶斯网络模型至规定结构。

2.根据权利要求1所述的基于计算机的依据字素分割的脱机手写维文单词识别方法，其特征是：单词贝叶斯网络模型构建，(5-1)所述的单词贝叶斯网络模型包括：

(5-1-1)状态节点：根据单词由连体段组成、连体段由字素组成的规则，所有状态节点分为字素、连体段、单词三类并依次呈因果关系；

(5-1-2)状态转移概率：表述状态节点之间发生的因果关系，可分为两类，一类是表示字素、连体段、单词之间组成关系的转移概率，另一类是表示字素之间联系的转移概率；

(5-1-3)样本特征和字素识别概率：样本特征表述待测单词样本的字素特征，包括主体字素、点字素和附加字素三个序列；字素识别概率即字素识别置信度。

3.根据权利要求1所述的基于计算机的依据字素分割的脱机手写维文单词识别方法，其特征是：单词识别过程，步骤6所述的维文单词识别置信度计算的具体方法：

设待测单词样本的字素特征为：

其中G＝M,D,A代表主体、点、附加三类字素，表示第i个连体段中的第j个主体字素及对应的点和附加字素，于是，待测样本X至单词类别W_I的识别置信度p(W_I|X)按下式计算：

其中，Pa(·)表示状态节点的父节点集，有，