[发明专利]一种无切分的脱机手写汉字文本识别方法

权利要求书

1.一种无切分的脱机手写汉字文本识别方法，其特征在于，包括以下步骤：

S1)、对脱机手写汉字文本图像进行预处理，预处理包括图像尺寸归一化处理、以及图像亮度值反转；

S2)、构建空间变换网络模型，通过该空间变换网络模型校正文本图像的偏移，该空间变换网络模型由定位网络、采样栅格、采样器构成；

S3)、构建深度卷积神经网络模型，通过该模型提取校正偏移文本图像的深度特征；

S4)、通过深度卷积神经网络模型提取的深度特征构建循环神经网络模型，通过该模型对深度序列特征建模；

S5)、通过联结主义时间分类器CTC输出序列特征标签的概率分布，得到初步的识别结果；

S6)、采用贪婪搜索和基于字典规则搜索得到文本最终的识别结果。

2.根据权利要求1所述的一种无切分的脱机手写汉字文本识别方法，其特征在于：所述的步骤S1)中，通过图像尺寸归一化处理将文本图像宽度处理为128，并通过图像亮度值反转将文本图像背景和汉字亮度进行反转，具体为：I(i,j)＝255-X(i,j)，其中，X(i,j)为文本图像第i行第j列像素位置对应的亮度值，I(i,j)为转后文本图像第i行第j列像素位置的亮度值。

3.根据权利要求1所述的一种无切分的脱机手写汉字文本识别方法，其特征在于：步骤S2)中，具体包括以下步骤：

S201)、将预处理后的文本图像输入定位网络中，计算得到仿射变换参数θ，即θ＝f_loc(I)，其中，f_loc(I)是一个2层的全连接网络，I为预处理后的文本行图像；

S202)、通过仿射变换参数θ得到文本图像的坐标栅格坐标点的仿射变换如下：

其中，是输入文本图像的采样点坐标，A_θ为仿射变换矩阵，为输出栅格的坐标，并且，和当仿射变换矩阵其中，s为缩放分量，t_x，t_y为输出栅格像素坐标的偏移量，该变换矩阵可以实现裁剪、缩放、平移、旋转和倾斜等变换操作，这些变换实现了空间的注意力机制，使得变换后的图像更关注主要内容信息；

S203)、将文本图像的坐标栅格坐标与文本图像Y输入到采样器，得到校正偏移的文本图像V，即V＝f_sam(I,T_θ(G))，其中，f_sam为采样器函数。

4.根据权利要求1所述的一种无切分的脱机手写汉字文本识别方法，其特征在于：步骤S3)中，构建的深度卷积神经网络模型为一个18层的残差深度卷积神经网络，残差网络的学习表达式为：

F(x)＝H(x)-x，

其中，F(x)为残差映射，H(x)为原始映射，从而根据残差网络结构y＝F(x,{W_i})+x，提取图像特征y，其中，W_i为权值参数，x为输入。

5.根据权利要求1所述的一种无切分的脱机手写汉字文本识别方法，其特征在于：步骤S4)中，所述的循环神经网络模型为2层双向的GRU(Gate Recurrent Unit)网络。

6.根据权利要求1所述的一种无切分的脱机手写汉字文本识别方法，其特征在于：步骤S5)中，分类器CTC的映射关系为：通过CTC层输出每一帧序列特征数据的识别概率分布，其中，p(k|y)为序列特征k在序列特征y下的条件概率，p(l|y)为序列特征l在序列特征y下的条件概率，β(k)＝l为序列k到序列y的映射，y＝y₁,...,y_T为输入的特征序列，每一个L′是包含所有识别的字符集和一个空白符号，CTC在输出序列时，移除重复项以及空白项。