[发明专利]一种基于无监督学习的手写体图像识别方法及系统

权利要求书

1.一种基于无监督学习的手写体图像识别方法，其特征在于，包括以下步骤：

S1对图像进行预处理，获得所述图像的二值化矩阵；

S2将所述二值化矩阵在水平、垂直和倾斜方向进行特征值提取，并获得水平、垂直和倾斜方向的特征向量；

S3将所述水平、垂直和倾斜方向的特征向量融合成一个特征向量；

S4利用机器学习模型对经过融合后的特征向量进行训练，得到图像分类模型；

S5将待测手写体图像输入所述图像分类模型，获得识别结果。

2.如权利要求1所述的基于无监督学习的手写体图像识别方法，其特征在于，所述S1中的预处理方法为：首先对彩色图像进行灰度化处理，生成灰度图像，再将所述灰度化图像进行二值化处理，从而得到与所述图像对应的二值化矩阵。

3.如权利要求2所述的基于无监督学习的手写体图像识别方法，其特征在于，所述二值化处理方法为：将所述灰度化图像中灰度大于阈值的像素点用1表示，灰度小于阈值的用0表示。

4.如权利要求1所述的基于无监督学习的手写体图像识别方法，其特征在于，所述步骤S2中水平、垂直方向获得特征向量的方法为：对于所述二值化矩阵，通过在水平方向进行列相加，提取图片水平特征向量；通过在垂直方向进行列相加，并对经过垂直方向列相加后获得的矩阵进行转置，得到垂直特征向量。

5.如权利要求4所述的基于无监督学习的手写体图像识别方法，其特征在于，所述步骤S2中倾斜方向获得特征向量的方法为：对于所述二值化矩阵，沿倾斜方向对所述二值化矩阵中的向量进行叠加，得到一个倾斜方向的特征向量。

6.如权利要求5所述的基于无监督学习的手写体图像识别方法，其特征在于，所述倾斜方向为沿水平方向倾斜45度的方向或沿水平方向倾斜135度的方向。

7.如权利要求1所述的基于无监督学习的手写体图像识别方法，其特征在于，将所述步骤S3中经过融合的特征向量输入到流行学习降维方法中，将其高维特征降维至二维，对其进行可视化表示，观察所述经过融合的特征向量是否能够反映手写体文字的区别。

8.如权利要求7所述的基于无监督学习的手写体图像识别方法，其特征在于，所述流行学习降维方法采用T-分布随机邻域嵌入T-SNE方法进行降维，将高维空间中的数据在低维空间中重新表示。

9.如权利要求1-7任一项所述的基于无监督学习的手写体图像识别方法，其特征在于，所述机器学习模型采用逻辑回归模型实现多分类问题，所述多分类问题通过构建多个二分类模型实现多分类的功能。

10.一种基于无监督学习的手写体图像识别系统，其特征在于，包括：

图像预处理模块，用于对图像进行预处理，获得所述图像的二值化矩阵；

特征提取模块，用于将所述二值化矩阵在水平、垂直和倾斜方向进行特征值提取，并获得水平、垂直和倾斜方向的特征向量；

融合模块，用于将所述水平、垂直和倾斜方向的特征向量融合成一个特征向量；

识别模型生成模块，用于利用机器学习模型对经过融合后的特征向量进行训练，得到图像分类模型；

识别模块，用于将待测手写体图像输入所述图像分类模型，获得识别结果。