[发明专利]一种基于纵横直方图的残缺汉字识别方法

权利要求书

1.一种基于纵横直方图的残缺汉字识别方法，其特征在于：

Step0：采集汉字图像，对图像进行预处理，并创建汉字特征数据库；具体实施步骤如Step0.1～Step0.4所示；

Step0.1：从TTC字体文件中提取出每个汉字所对应的图像，即汉字图像大小为l×w，单位为像素点；将汉字图像作为输入源，生成该汉字所对应的汉字矩阵I_l×w，该矩阵中的元素值即为该像素点的灰度值；定义ξ为灰度二值化阈值，对矩阵I_l×w进行公式(1)所示二值化处理，得到二值化矩阵I′_l×w，其中I′(i,j)为元素值，i∈[1,l],j∈[1,w]；

Step0.2：将二值化矩阵I′_l×w进行公式(2)所示纵向叠加处理，生成纵向特征向量{z₁,z₂,…,z_i,…,z_l}；

Step0.3：将二值化矩阵I′_l×w进行公式(3)所示横向叠加处理，生成横向特征向量{h₁,h₂,…,h_j,…,h_w}；

Step0.4：将汉字及其对应的纵向特征向量{z₁,z₂,…,z_i,…,z_l}、横向特征向量{h₁,h₂,…,h_j,…,h_w}存入数据库，组建汉字特征数据库；

Step1：利用现代扫描技术及汉字形状特征，从纸张或其他载体中提取出待检测残缺汉字X的图像，将图像以l:w的比例剪切至待检测残缺汉字X尽可能铺满图像为止，但要将其残缺汉字重心处于图像的中心，并留取合适的边距，生成待检测残缺汉字X的扫描图像

Step2：将待检测残缺汉字X的扫描图像按比例压缩至l×w像素点，随后生成残缺汉字X的扫描图像所对应的汉字矩阵X_l×w，该矩阵中的元素值即为该像素点的灰度值；依然以ξ为灰度二值化阈值，对矩阵X_l×w进行公式(4)所示二值化处理，得到二值化矩阵X′_l×w，其中X′(i,j)为元素值，i∈[1,l],j∈[1,w]；

Step3：将二值化矩阵X′_l×w进行公式(5)所示纵向叠加处理，生成待检测残缺汉字纵向特征向量{xz₁,xz₂,…,xz_i,…,xz_l}；

Step4：将二值化矩阵X′_l×w进行公式(6)所示横向叠加处理，生成待检测残缺汉字横向特征向量{xh₁,xh₂,…,xh_j,…,xh_w}；

Step5：调取汉字特征数据库中的汉字F，以及对应的待检测残缺汉字纵向特征向量{fz₁,fz₂,…,fz_i,…,fz_l}、待检测残缺汉字横向特征向量{fh₁,fh₂,…,fh_i,…,fh_w}，通过余弦定理算法公式(7)、公式(8)计算残缺汉字X与汉字F之间基于纵向直方图的识别度Sbdz(X,F)及基于横向直方图的识别度Sbdh(X,F)，最后通过融合公式(9)计算最终识别度Sbd(X,F)；

Step6：遍历汉字特征数据库中的所有数据，对数据库中每个汉字F都经Step5步骤计算其与残缺汉字X之间的识别度Sbd(X,F)，将识别度按照从大到小的顺序排序，提取出前θ个待定汉字并输出。

2.根据权利要求1所述的基于纵横直方图的残缺汉字识别方法，其特征在于：所述步骤Step0.1中，TTC字体文件包括但不限于宋体、黑体、微软雅黑；汉字图像大小l×w是由字体文件中提取的汉字字体大小决定，并且灰度二值化阈值ξ满足0≤ξ≤255 的要求，取ξ＝1。

3.根据权利要求1所述的基于纵横直方图的残缺汉字识别方法，其特征在于：所述步骤Step6中，K即为汉字的总个数，若按照编码方式为Unicode的基本字符集为标准，则共有20902个汉字，即K＝20902。