[发明专利]基于模糊熵的Congealing方法构造汉字字符及识别的方法

摘要

本发明涉及一种基于模糊熵的Congealing方法构造汉字字符及识别的方法，首次将图像校正技术——Congealing方法应用到手写汉字字符识别问题上，提出了基于模糊熵Congealing算法的手写汉字识别方法，能够获得很好的字符识别率。本发明完全由数据驱动的方法被应用到手写汉字字符识别过程中，被证明能够得到很好的识别率。

主权项

一种基于模糊熵的Congealing方法构造汉字字符的方法，其特征在于：随机选取某个字符类中的N张图像作为训练样本，训练步骤如下：步骤1：对N张训练字符图像分别初始化变换参数向量vj＝(tx,ty,θ,sx,sy,hx,hy)＝0,j∈[1,N]，其中tx表示x方向的平移变换，ty表示y方向的平移变换，θ表示旋转变换，sx表示x方向的尺度变换，sy表示y方向的尺度变换，hx表示x方向的剪切变换，hy表示y方向的剪切变换，然后计算出相应的变换矩阵Uj：步骤2：计算N张训练字符图像样本的模糊熵，步骤如下：1)图像栈IS中N张图像，每张有M个像素，表示图像栈中一个像素的值，xi表示一个像素栈图像栈中的每一张图像I∈IS被变换矩阵独立的改变，Uj表示第j个变换矩阵，xj′表示变换后的像素栈，i∈[1,M]，j∈[1,N]；2)利用模糊相似性关系，得到关于像素栈xi的关系矩阵M(R)：3)由关系矩阵M(R)可得到像素栈xi的模糊熵为H(xi)H(xi)=-1NΣj=1Nlogλj]]>其中：4)训练字符图像的模糊熵为一个字符训练样本中的所有像素栈的模糊熵的和：步骤3：进行如下迭代过程，直至模糊熵收敛或迭代达到上限K为止：1)对N个训练样本的每一张图像的每个参数vj(k),k∈[1,7],j∈[1,N]，微调其参数值vj(k)，令vjnew(k)＝vj(k)+δ(k),j∈[1,N]，k∈[1,7]，计算新的变换矩阵，并计算得到变换后的图像，然后重复步骤2计算当前的模糊熵Enew；2)如果模糊熵减少，则修正模糊熵E＝Enew及变换向量的值vj(k)＝vjnew(k)，修改下一个参数，令k＝k+1，如果模糊熵未减少，则进行下一步；3)微调其参数值vj(k)，vjnew(k)＝vj(k)‑δ(k),k∈[1,7],j∈[1,N]，计算新的变换矩阵，并计算得到变换后的图像，然后重复步骤2计算当前的模糊熵Enew；如果模糊熵减少，则修正模糊熵E＝Enew及变换向量的值vj(k)＝vjnew(k)，修改下一个参数，令k＝k+1；如果模糊熵未减少，则进行下一步；4)参数值不变修改下一个参数，令k＝k+1；步骤4：当Congealing过程结束，用原始图像乘以对应的变换矩阵Uj，分别得到Congealing的图像结果；每迭代一次结束，计算得到一张均值图像：当Congealing算法结束后，得到K张均值图像；对每个字符重复步骤1～步骤4，训练过程结束时，每个汉字字符将分别保存K张对应的均值图像。