[发明专利]一种基于纵横直方图的残缺汉字识别方法

摘要

本发明涉及一种基于纵横直方图的残缺汉字识别方法，属于汉语信息处理技术领域。本发明通过TTC字体文件提取汉字的纵向特征向量及横向特征向量，建立汉字特征数据库，对任意待检测残缺汉字通过现代扫描技术及汉字形状特征转化为图像，对其进行特定的灰度化、二值化处理后提取汉字特征并生成纵向特征向量及横向特征向量，与数据库中现有汉字分别计算其基于纵向直方图的识别度及基于横向直方图的识别度，通过融合算法计算最终识别度，最后通过排序输出识别度最高的汉字集合。本发明主要解决了现有技术耗费人力且准确性欠佳等现象，增加了目前依靠计算机对残缺汉字进行识别的有效性和准确性。

主权项

1.一种基于纵横直方图的残缺汉字识别方法，其特征在于：Step0：采集汉字图像，对图像进行预处理，并创建汉字特征数据库；具体实施步骤如Step0.1～Step0.4所示；Step0.1：从TTC字体文件中提取出每个汉字所对应的图像，即汉字图像大小为l×w，单位为像素点；将汉字图像作为输入源，生成该汉字所对应的汉字矩阵Il×w，该矩阵中的元素值即为该像素点的灰度值；定义ξ为灰度二值化阈值，对矩阵Il×w进行公式(1)所示二值化处理，得到二值化矩阵I′l×w，其中I′(i,j),i∈[1,l],j∈[1,w]为元素值；Step0.2：将二值化矩阵I′l×w进行公式(2)所示纵向叠加处理，生成纵向特征向量{z1,z2,…,zl}；Step0.3：将二值化矩阵I′l×w进行公式(3)所示横向叠加处理，生成横向特征向量{h1,h2,…,hw}；Step0.4：将汉字及其对应的纵向特征向量{z1,z2,…,zl}、横向特征向量{h1,h2,…,hw}存入数据库，组建汉字特征数据库；Step1：利用现代扫描技术及汉字形状特征，从纸张或其他载体中提取出待检测残缺汉字X的图像，将图像以l:w的比例剪切至待检测残缺汉字X尽可能铺满图像为止，但要将其残缺汉字重心处于图像的中心，并留取合适的边距，生成待检测残缺汉字X的扫描图像Step2：将待检测残缺汉字X的扫描图像按比例压缩至l×w像素点，随后生成残缺汉字X的扫描图像所对应的汉字矩阵X_l×w，该矩阵中的元素值即为该像素点的灰度值；依然以ξ为灰度二值化阈值，对矩阵X_l×w进行公式(4)所示二值化处理，得到二值化矩阵X′_l×w，其中X′(i,j),i∈[1,l],j∈[1,w]为元素值；Step3：将二值化矩阵X′l×w进行公式(5)所示纵向叠加处理，生成纵向特征向量{xz1,xz2,…,xzl}；Step4：将二值化矩阵I′l×w进行公式(6)所示横向叠加处理，生成横向特征向量{xh1,xh2,…,xhw}；Step5：调取汉字特征数据库中的汉字F，以及对应的纵向特征向量{fz1,fz2,…,fzl}、横向特征向量{fh1,fh2,…,fhw}，通过余弦定理算法公式(7)、公式(8)计算残缺汉字X与汉字F之间基于纵向直方图的识别度Sbdz(X,F)及基于横向直方图的识别度Sbdh(X,F)，最后通过融合公式(9)计算最终识别度Sbd(X,F)；Step6：遍历汉字特征数据库中的所有数据，对数据库中每个汉字Fi,i∈[1,K]都经Step5步骤计算其与残缺汉字X之间的识别度Sbd(X,Fi),i∈[1,K]；将按照从大到小的顺序排序，提取出前θ个待定汉字并输出。