[其他]印刷汉字识别装置

说明书

印刷汉字识别是汉字识别中的一种，属于模式识别和计算机人工智能的技术领域。

汉字识别的研究，国外始于60年代，70年代研究进入活跃阶段。以目前在汉字识别方面属于世界前列的日本为例，1977年完成了印刷汉字识别的试验装置，1980年进行了公开表演，可识别2000个单一印刷体日本汉字。识别装置采用了专用大型机。该装置是世界上仅有的识别日本印刷汉字的装置，是由日本东芝总研、富士通研、日本中研自1973年起分别提出的一些分类、识别印刷汉字方法基础上研制成功的，其分类方法有复杂指数，四边代码、带图形、“粗”化图形等。匹配方法有复合类似度和距离，对相似文字的判别用混合类似度、差分模板等方法。

日本提出的识别印刷汉字的其它方法主要有以下几种，但目前尚未见用这些方法构成的能实际使用的识别装置。

①日本三菱公司1981年提出从文字特征点出发抽取笔划特征进行识别的方法。曾作为范例加以介绍。

②日本电子综合研究所1981年提出不作细化而对文字轮廓作多角形近似的方法。

③日本武藏野通用研究所和富士通1981年提出用4-笔划密度函数和笔划方向作为特征的方法。

④日本横须贺通用研究所1981年提出从文字笔划的背景部分抽取特征的方法。

⑤许文星等1982年提出不经细化，直接从二值化汉字中抽取笔划的方法。得出各笔划起点、终点、连接信息以及抽取的顺序信息，他从平体印刷体实验起、逐步推广到其它体。

⑥赤松茂等1982年提出把分类和识别结合起来的方法，用文字背景特征来分类，用汉字集中结构特征来识别。

国内提出的识别汉字的方法主要有以下几种。这些方法都还没有能组成一个识别装置。

①沈阳自动化所1983年提出基于R变换的单体印刷汉字的识别方法。

②河北大学郭宝兰1982年提出用“包含配选法”对单体印刷汉字进行大分类。

本发明主要以上述的国内汉字识别方法②和日本方法①、⑤为技术背景，提出的一种以新识别方法为基础的单体印刷汉字识别装置。和已有的日本识别2000单体日本汉字的识别装置相比。本发明识别装置规模小（不用大型机、而用高档微型机）、通用性强（不用专用机，而用通用机）、造价低、便于推广应用。本发明的目的：

①是利用国内普遍应用的微处理机构成低价的识别装置（扫描输入设备加上微处理机）。

②高速输入印刷汉字进计算机。随着汉字信息处理技术的发展，如办公室自动化（OA），建汉字库等，都要求把目前使用的平均1字/秒手工输入汉字的速度大大提高，以适应处理速度快，输出速度已达10⁴字/秒的实际情况，介决这个输入“瓶颈”问题，唯一的方法是汉字识别。

③印刷汉字识别可以使不希望许多人介入的保密材料自动输入计算机。

④为计算机发展到第五代一智能计算机提供了一种识别印刷汉字的方法。

一个印刷汉字识别装置如图1所示。

扫描输入设备采用摄象机（块式输入）或传真机（行式输入），印在纸上的汉字经扫描输入设备后变成有灰度值的模拟电信号，经行字切分，把单个汉字从整个版面中切分出来，经二值化，使单个汉字变成数字化点阵信息，再经平滑、尺寸大小变换、笔划粗细变换，规范化为一个一定大小一定粗细的二值化汉字点阵。予处理部分一般固化在ROM中，用一定的识别方法，对规范后的二值化点阵进行处理，就可以识别这个字，计算机自动给出该字的标志，如国标交换码。

本发明提出的能在微处理机上实现的识别装置所用的新识别方法是存贮汉字特殊点的知识，自上而下地不需抽取特征直接去识别。

①汉字特殊点。印刷体汉字是直线型文字，由此可取端点折点歧点和交点作为汉字的特殊点。端点是笔划的起点或终点且不与别的笔划相接;折点是笔划方向显著变化（≥45°）的点;歧点是三叉点，即该点的笔划方向有三个分枝;交点是四叉点且有两对相等的对顶角。如图2所示。

汉字特殊点体现了汉字内在结构规律，又是汉字二值图形中的点，这样，采用汉字特殊点作为特征，把结构分析和模块匹配两者结合于一身。