[发明专利]一种基于多特征融合的中文手写识别分类方法

权利要求书

1.一种基于多特征融合的中文手写识别分类方法，其特征在于：

第一步：对输入图像进行预处理；

第二步：构建基于多特征融合的中文手写识别分类系统，该中文手写识别分类系统包括深度学习网络resnet18和传统图像特征提取模型，所述传统图像特征提取模型包括COLD模块和ALCM模块；

对中文手写识别分类系统进行训练，得到最优深度学习网络resnet18和最优传统图像特征提取模型；

第三步： 对于待分类的图像经过第一步预处理后分别输入最优深度学习网络resnet18和最优传统图像特征提取模型；

最优深度学习网络resnet18输出的分类结果为X，X表示好、中或差，其中好对应的分值为A、中对应的分值为B、差对应的分值为C；

传统图像特征提取模型中的COLD模块输出待分类的图像的COLD特征向量，ALCM模块输出待分类的图像的ALCM特征向量，将待分类的图像的COLD特征向量和待分类的图像的ALCM特征向量进行量化，量化后的待分类的图像的COLD特征向量的值或量化后待分类的图像的ALCM特征向量的值如果落在[a,b]就给X对应的分类得分加c分，否则给X对应的分类得分减c分；

如果X最后的分类得分高于A，则分类结果为好；

如果X最后的分类得分低于C，则分类结果为差；

如果X最后的分类得分最接近A的值，分类结果为好；

如果X最后的分类得分最接近B的值，则得分为B，分类结果为中；

如果X最后的分类得分最接近C的值，则得分为C，分类结果为差。

2.如权利要求1所述基于多特征融合的中文手写识别分类方法，其特征在于：所述第二步对中文手写识别分类系统进行训练的过程如下：

1）选取公开标准的中文书写高清图片和日常用的中文手写高清图片作为目标数据集，对每一张高清图片标注好、中或差的标签，其中好对应的分值为A、中对应的分值为B、差对应的分值为C；

2）初始化深度学习网络resnet18和传统图像特征提取模型；

3）令i=1；

4）在目标数据集随机选取第i个高清图片分别输入深度学习网络resnet18和传统图像特征提取模型中；

深度学习网络resnet18输出第i个高清图片的预测分类结果P，P为好、中或差对应；

传统图像特征提取模型得到第i个高清图片的COLD特征向量和ALCM特征向量，采用现有方法将第i个高清图片的COLD特征向量和ALCM特征向量进行量化；

5）如果第i个高清图片的COLD特征向量量化后的值和/或ALCM特征向量量化后的值在[a,b]之间，则给P对应的分值加c分，否则给P对应的分值减c分即得第i个高清图片对应的分类得分；

6）计算第i个高清图片的分类得分与第i个高清图片标签对应的分值的损失，根据该损失反向传播更新网络resnet18和传统图像特征提取模型的参数；

7）判断损失与之前迭代得到的损失之间是否有变化，如果有变化则令i=i+1，并返回4），否则保存当前深度学习网络resnet18为最优深度学习网络resnet18，保存当前传统图像特征提取模型为最优传统图像特征提取模型。