[发明专利]模式识别方法和装置

说明书

发明领域

本发明涉及模式识别装置和模式识别方法，特别涉及一种将不同识别模块组合在一起以改善识别精度的模式识别方法。

发明背景

当前对于涉及模式识别的信息处理的需求很大，并且正在迅速增大。模式识别用在诸如由计算机执行的图象处理、文本处理以及声音处理等应用中。因此，非常需要对模式识别技术的改进。

模式识别是这样一个过程，将一个诸如图象、手写字符或印刷字符或声音的物理现象变换成表示该现象的电信号，判定该现象属于一个类别集中多个可能类别中的一个，并产生一个指示所确定类别的代码。例如，在字符识别中，可以用一个电子扫描仪扫描一个未知印刷字符，例如字母“A”。扫描仪产生一个电子模式信号，该电子模式信号代表由代表该未知字符的几千字节的阵列组成的模式。然后分析该模式信号，以确定该未知字符属于对应于字母A-Z的类别集中的哪一个类别。然后产生一个识别这个类别的代码，作为该未知字符的类别。例如，可以产生代表字母A的ASCII码33。

模式识别处理最好应用从模式信号提取出的模式特征来进行，而不是应用原始模式信号来进行。最好处理从模式信号提取出的特征是因为处理这些特征常常可以比原始模式信号更快、更精确并且更便宜。如果处理包含非常大数量的信息的模式信号，往往提取特征，并必须处理这些特征。模式识别的一个目的是通过应用从模式信号提取出的特征表示模式来压缩信息。当然，必须以一种不会损害模式识别处理能力的方式从模式信号提取特征，以便识别出该模式。

模式p的特征f通常用特征分量x(p；m)有限数目M个的集合{x(p；m)；m＝1，2，3，...，M}来定义。特征f有形地并在数量上代表模式的特有性质。因此，由于特征f是由一个M维向量表示的，该M维向量的第m个分量是特征分量x(p；m)，则特征f的向量表示是特征向量X(p)＝(x(p；1)，x(p；2)，...，x(p；m))^t。表示特征向量X(p)的变元p是模式p的特征向量。角标t表示向量转置。

虽然特征分量是定性的，但它们也可以被量化并使用。

如果模式p进行各种变形，则特征分量x(p；m)的值改变。因此，特征向量X(p)改变。然而，只要变形模式属于其原始类别，则模式识别处理必须将其识别为属于该类别。

将被指定为代表属于一特定类别的模式或代表该类别的特征的一特定模式称作为该类别的参考模式。所指定模式的特征向量被称作为该类别的参考向量。作为对采用一特定模式作为类别的参考模式的替换，采用通过将属于该类别的模式平均而获得的假设模式作为参考模式，并且可以采用这个假设模式的特征向量作为该类别的参考向量。

在模式识别中，接收一个未知模式p，并执行模式识别处理。该模式可以确定未知模式是否与一已知模式q类似，或者确定未知模式属于哪个类别。模式识别在识别图表、字符、符号、图象和声音中是至关重要的。关于模式识别的一般信息和模式识别的问题可以在参考文件1，Kazuo Nakada，Ed.的模式识别及其应用，Corona Co.(1978)(日本)以及参考文件2，Hidemitsu Ogawa，Ed.的模式识别中的新发展和理解-挑战-DENSHI JYOHO TSUSHIN GAKKAI(1992)(日本)中找到。

在说明书中陈述的原理可以容易地应用到模式识别的其他形式上，例如图象识别和声音识别，在理解了这一点之后，下面将说明模式识别的例子，在这些例子中，未知模式是字符模式。字符模式是代表字母、数字、日语汉字字符等的模式。此后，将代表一个字符的模式称作为字符模式。字符模式的可能的特征分量的例子包括：

字符的长宽比，

水平线的数目，

闭环数，

覆盖在字符上的栅格的每个方块是黑的还是白的，

在一特定方向上与一直线的交点数，以及

字符模式的傅立叶变换的变换系数。

应用如上所列出的一组特征分量构造特征向量，以使得所得的特征向量可以最佳地代表字符集中的字符。选择每个特征分量的动态范围，以提高模式识别的精度，这将在后面说明。在需要时可以应用标准偏差将特征分量归一化。

模式识别为每个进行模式识别的字符模式产生一个类别名。类别代码代表字符模式的读、含义或代码。例如，字符“A”所属类别的类别名可以是“类别A”。如上所述，选择属于该类别的一特定字符模式作为该类别的参考模式。或者，可以采用通过将属于一个类别的多个字符模式平均所得到的假设模式作为参考模式。采用参考模式的特征向量作为该类别的参考向量。