[发明专利]一种无切分的脱机手写汉字文本识别方法

摘要

本发明涉及一种无切分的脱机手写汉字文本识别方法，包括S1)对脱机手写汉字文本图像进行预处理；S2)构建空间变换网络模型；S3)构建深度卷积神经网络模型；S4)通过深度卷积神经网络模型提取的深度特征构建循环神经网络模型；S5)通过分类器CTC输出序列征标签的概率分布；S6)采用贪婪搜索和基于字典规则搜索得到文本最终的识别结果。本发明通过采用空间变换网络、深度卷积神经网络和循环神经网络相结合的模型，能够针对偏移较大文本行进行校正处理和无切分的识别，提高复杂文本行识别的准确性和鲁棒性；整个模型框架基于迭代算法求解，不需要复杂的过切分预处理，能够较好地减少过切分方法带来的损失，以及能够联合地优化整个模型参数，提高识别的准确率。

主权项

1.一种无切分的脱机手写汉字文本识别方法，其特征在于，包括以下步骤：S1)、对脱机手写汉字文本图像进行预处理，预处理包括图像尺寸归一化处理、以及图像亮度值反转；S2)、构建空间变换网络模型，通过该空间变换网络模型校正文本图像的偏移，该空间变换网络模型由定位网络、采样栅格、采样器构成；S3)、构建深度卷积神经网络模型，通过该模型提取校正偏移文本图像的深度特征；S4)、通过深度卷积神经网络模型提取的深度特征构建循环神经网络模型，通过该模型对深度序列特征建模；S5)、通过联结主义时间分类器CTC输出序列特征标签的概率分布，得到初步的识别结果；S6)、采用贪婪搜索和基于字典规则搜索得到文本最终的识别结果。