文字識(shí)別算法(共11頁)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上題 目 圖像分割技術(shù)學(xué) 院 計(jì)算機(jī)科學(xué)與技術(shù)班 級(jí) 計(jì)軟1401學(xué) 生 蘭俊鋒學(xué) 號(hào) 文字識(shí)別是智能識(shí)別技術(shù)中的一個(gè)重要技術(shù)。文字具有便于信息保存和傳遞的優(yōu)點(diǎn)，使信息在時(shí)間和空間上得以迅速擴(kuò)散。在人們的日常生活中，在機(jī)關(guān)事務(wù)處理、工業(yè)以及商業(yè)交往中，需要識(shí)別文字的數(shù)量如同天文數(shù)字，但利用計(jì)算機(jī)識(shí)別的文字量卻很少。最近幾年，隨著計(jì)算機(jī)技術(shù)、數(shù)學(xué)和圖像技術(shù)的發(fā)展，文字識(shí)別的應(yīng)用領(lǐng)域逐步擴(kuò)大，目前較為活躍的應(yīng)用包括數(shù)字識(shí)別，文字識(shí)別等。文字識(shí)別是指用計(jì)算機(jī)字典、高速地識(shí)別現(xiàn)在介質(zhì)（如紙張等）上的數(shù)字、英文符號(hào)或漢字。文字識(shí)別實(shí)際上就是解決文字的分類問題，一般通過特征及特征匹

2、配的方法來進(jìn)行處理。本文將從算法、應(yīng)用兩方面介紹文字識(shí)別技術(shù)，本文介紹的文字識(shí)別應(yīng)用有英文字母識(shí)別、車牌特殊文字識(shí)別、書寫文字識(shí)別、特殊文字識(shí)別。文字是人類相互交流信息的重要工具。社會(huì)發(fā)展進(jìn)入信息時(shí)代，人們已不再停留在用自己的耳朵和眼睛去直接獲得這些信息，而是使用計(jì)算機(jī)將文字自動(dòng)的輸入計(jì)算機(jī)，用計(jì)算機(jī)對(duì)他們進(jìn)行處理，隨時(shí)以各種方式滿足人們的不同需要。因此，研究如何用計(jì)算機(jī)自動(dòng)識(shí)別文字圖像，解決文字信息自動(dòng)輸入計(jì)算機(jī)，并進(jìn)行高速加工處理的問題已引起大家的廣泛關(guān)注。歸一化算法一般作為一種圖像的預(yù)處理技術(shù)，其目的是將采集到的原始圖像轉(zhuǎn)換成特征提取器所能接受的形式(灰度圖像或二值圖像)，消除一些與類別

3、無關(guān)的因素(噪聲消除、歸一化等) 。從理論上講，經(jīng)過歸一化后的骨架應(yīng)該是寬度為一的中心線，但這是不可能的。不同的硬件設(shè)備和不同的算法得出的結(jié)果可能不是唯一的，其結(jié)果與原圖案的扭曲程度也是不樣的，扭曲程度盡量的小應(yīng)該是歸一化算法追求的目的之一 。既然預(yù)處理是為后續(xù)的特征提取和分類器設(shè)計(jì)服務(wù)的，那么預(yù)處理方法的選擇就應(yīng)該有利于特征的提取，以使分類變得簡(jiǎn)單。汽車牌照識(shí)別，在高速公路收費(fèi)、電子警察和治安卡口等系統(tǒng)中有重要的應(yīng)用價(jià)值。作為圖像識(shí)別的典型問題，汽車牌照識(shí)別的研究有很長的歷史，但因?yàn)閷?shí)際路況的高度復(fù)雜性（如車速、光線、污染及變形等），目前的性能還不能令人滿意。1. 文字識(shí)別過程概述一般來說，

4、文字圖像的識(shí)別過程主要由以下4 個(gè)部分組成：正確地分割文字圖像區(qū)域；正確地分離單個(gè)文字；正確識(shí)別單個(gè)文字；正確地連接單個(gè)文字。其中、屬于文字圖像分析技術(shù)問題，屬于文字識(shí)別技術(shù)問題。關(guān)于，由于僅從分割處理不能對(duì)其進(jìn)行評(píng)價(jià)，通常采用文字識(shí)別地評(píng)價(jià)值來判斷分離的正確性。單純的文字識(shí)別是指經(jīng)二值化處理后的單個(gè)文字識(shí)別。1.1. 文字識(shí)別系統(tǒng)的原理及組成文字圖像的識(shí)別的原理如下圖所示。圖中光電變換檢測(cè)部分的主要功能，是對(duì)紙面上的文字進(jìn)行光電轉(zhuǎn)換，然后經(jīng)模數(shù)轉(zhuǎn)換成具有一定灰度的數(shù)字信號(hào)，送往其后的各部分進(jìn)行處理和識(shí)別。常用的檢測(cè)設(shè)備是掃描儀，CCD 攝像頭等。文字圖像分割的目的就是根據(jù)文字圖像的特征的視線

5、文字圖像區(qū)域的定位和分割，將真正的文字圖形分割出來，以便后續(xù)進(jìn)行識(shí)別，識(shí)別與處理部分的功能是將已分割出的文字圖形信息加以區(qū)分，去除信號(hào)中的污點(diǎn)、空白等噪聲，增強(qiáng)文字圖像的信息。并根據(jù)一定的準(zhǔn)則除掉一些非本質(zhì)信號(hào)，對(duì)文字的大小、位置和筆畫粗細(xì)等進(jìn)行規(guī)范化，以便簡(jiǎn)化判斷部分的復(fù)雜性。特征提取部分是從整形和規(guī)范化的信號(hào)中抽取反映字符本身的有用信息，供識(shí)別部分進(jìn)行識(shí)別。作為特征提取的內(nèi)容是比較多的，可以是幾何特征，如文字線條的端點(diǎn)、折點(diǎn)和交點(diǎn)等。識(shí)別判斷部分則是根據(jù)抽取的特征，運(yùn)用一定的識(shí)別原理，對(duì)文字進(jìn)行分類，確定其屬性，達(dá)到識(shí)別的目的，實(shí)際上判斷部分就是一個(gè)分離器。識(shí)別系統(tǒng)學(xué)習(xí)部分的功能是生成計(jì)算

6、機(jī)特征字典，學(xué)習(xí)根據(jù)已準(zhǔn)備好的多個(gè)字樣，抽出代表該字的特征，進(jìn)行修改，按照字典的規(guī)定位置存放該特征。學(xué)習(xí)分為兩種：一種是在人的參與下進(jìn)行，稱為“有教師”學(xué)習(xí)；一種由計(jì)算機(jī)自動(dòng)進(jìn)行，稱為“無教師學(xué)習(xí)”。1.2. 文字識(shí)別的方法文字識(shí)別是指用計(jì)算機(jī)字典、高速地識(shí)別現(xiàn)在介質(zhì)（如紙張等）上的數(shù)字、英文符號(hào)或漢字。文字識(shí)別實(shí)際上就是解決文字的分類問題，一般通過特征及特征匹配的方法來進(jìn)行處理。特征判別是通過文字類別（例如英文或漢字）的共同規(guī)則（如區(qū)域特征、四周邊特征等）進(jìn)行分類判別。它不需要利用各種文字的具體知識(shí)，根據(jù)特征抽取的程度（知識(shí)的使用程度） 分解到地使用結(jié)構(gòu)分析的辦法完成字符的識(shí)別。匹配的方法則

7、是根據(jù)各國文字的知識(shí)（稱為自動(dòng)）采取按形式匹配的方法進(jìn)行。按實(shí)現(xiàn)的技術(shù)途徑不同又可分為兩種：一種是直接利用輸入的二維平面圖像與字典中記憶的圖像進(jìn)行全域匹配；另一種是只抽出部分圖像與字典進(jìn)行匹配。然后根據(jù)各部分形狀及相對(duì)位置關(guān)系，與保存在字典中的知識(shí)進(jìn)行對(duì)照，從而識(shí)別出每一個(gè)具體的文字。前一種匹配方法適合于數(shù)字、英文符號(hào)一類的小字符集；后一種匹配方法適用于漢字一類的大字符集。1.3. 邊緣檢測(cè)邊緣(Edge)是指圖像局部亮度變化量最顯著的部分。邊緣主要存在于目標(biāo)與木板、目標(biāo)與背景、區(qū)域與區(qū)域（包括不同色彩）之間，是圖像分割、紋理特征提前和形狀特征提取等圖像分析的重要基礎(chǔ)。圖像分析和理解的第一步常

8、常是邊緣檢測(cè)。由于邊緣檢測(cè)十分重要，因此成為機(jī)器視覺研究領(lǐng)域最活躍的課題之一。圖像中的邊緣通常與圖像亮度或圖像亮度的一階導(dǎo)數(shù)的不連續(xù)性有關(guān)。圖像亮度的不連續(xù)可分為：階躍不連續(xù)，即圖像亮度在不連續(xù)處的兩邊的像素灰度值有著顯著的差異；線條不連續(xù)，即圖像亮度突然從一個(gè)值變化到另一個(gè)值，保持一個(gè)較小的行程后又返回到原來的值。在實(shí)際中，階躍和線條邊緣圖像是很少見的，由于大多數(shù)傳感元件具有低頻特性，使得階躍邊緣變成斜坡型邊緣，線條邊緣變成屋頂形邊緣，其中的亮度變化不是瞬間的，而是跨越一定的距離。對(duì)一個(gè)邊緣來說，有可能同時(shí)具有階躍和線條邊緣特性，例如在一個(gè)表面上，由一個(gè)平面變化到發(fā)線方向不同的另一個(gè)平面上就

9、會(huì)產(chǎn)生階躍邊緣；如果這一表面具有鏡面反射特性且兩平面形成的棱角比較圓滑，則當(dāng)棱角圓滑表面的法線經(jīng)過鏡面反射角時(shí)，由于鏡面反射分量，在棱角圓滑表面上會(huì)產(chǎn)生明亮光條，這樣的邊緣看起來像在階躍邊緣上疊加了一個(gè)線條邊緣。由于邊緣可能與場(chǎng)景中物體的重要特征對(duì)應(yīng)，所以它是很重要的圖像特征。比如，一個(gè)物體的輪廓通常產(chǎn)生階躍邊緣，因?yàn)槲矬w的圖像亮度不同于背景的圖像亮度。2. 簡(jiǎn)單貝葉斯分類器簡(jiǎn)單貝葉斯分類器（Simple Bayes Classifier或Naïve Bayes Classifier）1假定特征向量的各分量間相對(duì)于決策變量是相對(duì)獨(dú)立的。對(duì)于特征向量為X=x1,x2,xdT的測(cè)試樣本，

10、它屬于第Ci類的條件概率為：P(Ci|X)=P(X|Ci)*P(Ci)/P(X) =(P(Ci)/P(X) (1)對(duì)每一個(gè)類別（即取不同的值）都計(jì)算上面的條件概率，最終的識(shí)別結(jié)果為條件概率最大的那一類別。雖然簡(jiǎn)單貝葉斯分類器是基于獨(dú)立性假設(shè)的，在違背這種假定的條件下簡(jiǎn)單貝葉斯也表現(xiàn)出相當(dāng)?shù)慕研院透咝?78，它已經(jīng)成功地應(yīng)用到分類、聚類等問題中。2.1. 簡(jiǎn)單貝葉斯分類器在切分中的應(yīng)用在確定文字的最佳候選后邊界時(shí)，假設(shè)有m個(gè)候選后邊界，分別對(duì)應(yīng)m個(gè)候選切分結(jié)果，用d種特征來衡量其合理性，記為Xj=x1,x2,xdT, j(=1,2m)。則，當(dāng)文字為Ci類（C1、C2、C3）分別表示漢字、英文

11、和數(shù)字、標(biāo)點(diǎn)類別），且后邊界為第j個(gè)候選后邊界的概率為：P(Xj,Ci)=P(Xj|Ci)*P(Ci) = P(Ci) (i=1,2,3 j=1,2m) (2)以上公式（2）與公式（1）不同的是，公式（1）只需要確定一個(gè)值，即觀測(cè)值X對(duì)應(yīng)的類別；而公式（2）不僅需要確定一個(gè)候選后邊界切分出文字的種類，還需要確定m個(gè)候選后邊界那一個(gè)最合適。顯然，使P(Xj|Ci) 取最大值時(shí)的j就對(duì)應(yīng)了最佳切分位置，而相應(yīng)的i即為對(duì)文字類別的定義。2.2. 特征提取文中的貝葉斯分類器用到的特征可分為兩種：一種是文字形狀和結(jié)構(gòu)方面的特征，包括6種文字外形特征（文字高度、寬度、字間距離、覆蓋率、高寬比2 、縱向起始

12、位置）和3種后邊界特征（后邊界穿越筆劃數(shù)、后邊界投影值、后邊界上下穿越筆劃點(diǎn)距離）；另一種是文字內(nèi)容特征，包括16維方向線素特征（把文字分成不重疊的2×2塊，每塊提取出水平、垂直、45°和135°4個(gè)方向的方向線素特征）。第一種特征里，除了覆蓋率和高寬比外都需要特征歸一化。這里用圖像中的漢字平均高和寬對(duì)它們歸一化。因此，切分過程的第一步需要估計(jì)基本參數(shù)：漢字平均高和寬。在研究中發(fā)現(xiàn)，文字切分中最容易出現(xiàn)的錯(cuò)誤是：（1）把漢字的偏旁、部首等部件當(dāng)成英文、數(shù)字或標(biāo)點(diǎn)單獨(dú)切開；（2）把英文、數(shù)字或標(biāo)點(diǎn)與漢字切在一起。為了有較好的切分效果，就需要抽取出能夠區(qū)分這些錯(cuò)誤的特

13、征。一級(jí)漢字中容易切開的漢字有以下幾種：（1）“八”，“兒”，“川”，“非”，“加”，“舊”，“別”，“訓(xùn)”；（2）“叫”，“禮”，“仆”，“討”，“引”，“很”；（3）“必”，“小”，“心”；（4）“懊”。第1、3 種字，單個(gè)字左右部分容易切開；第2、4種字，由于有左邊的部首，左右部分也容易切開；第1、2種漢字易被當(dāng)成英文或數(shù)字類文字切開；第2、4種漢字左邊的點(diǎn)易被當(dāng)成標(biāo)點(diǎn)類文字切開。為此，把上面4種文字易被切開的部分定義為新的文字類別：部件類，用C4來表示它；該類僅用于提取特征。3. 歸一化算法的研究漢字圖像的歸一化包括位置、大小、旋轉(zhuǎn)、傾斜和筆畫寬度的歸一化。在整個(gè)漢字識(shí)別系統(tǒng)中會(huì)進(jìn)行字

14、符切分、傾斜校正等步驟，本文主要研究漢字的大小和筆畫寬度的歸一化。3.1. 字體大小歸一化由于漢字字形、字體繁多，同一漢字的特征也因此而不同，為了便于統(tǒng)一描述和提取同一漢字的特征，對(duì)不同字形、字體漢字均能識(shí)別，為漢字識(shí)別工作打好基礎(chǔ)，在漢字特征提取前還需對(duì)漢字圖像進(jìn)行大小歸一化的操作。所謂大小歸一化就是對(duì)實(shí)際提取的字符進(jìn)行縮放操作，最后得到預(yù)定大小的字符圖像。一般漢字圖像預(yù)處理的第一步是進(jìn)行二值化處理，二值化處理的目的是把灰度圖像轉(zhuǎn)換為二值圖像。二值化處理后圖像中的像素點(diǎn)不是1(黑點(diǎn))就是0(白點(diǎn))。記為：GM*N = (Pi,j) (1iM，1JN)其中，M和N分別為G的長和寬；Pi,j 為

15、第i行、第j列的像素點(diǎn)。Pi,j=1時(shí)表示一個(gè)黑像素點(diǎn)(前景點(diǎn))，Pi,j =0時(shí)表示一個(gè)白像素點(diǎn)(背景點(diǎn))。簡(jiǎn)記為G。一般的縮放算法是對(duì)一個(gè)區(qū)域的灰度值進(jìn)行運(yùn)算，由四個(gè)以上的輸入像素決定輸出像素的灰度值。而對(duì)于二值圖像，只有黑白像素，此時(shí)可以對(duì)圖G進(jìn)行劃分而得到一組圖塊g，使得每個(gè)g內(nèi)黑像素點(diǎn)的分布是比較均勻的，記為：gm*n = (Pa,b) (Pa,bG，1am，1bn)其中，m 和n(mM，nN)分別稱為該圖塊的長和寬。定義了圖塊之后，二值點(diǎn)陣圖像又可表示為：GM*N =(gx,ym*n ) (1xMm，1yNn)其中，(x,y)表示圖塊g在圖像G中的位置。在圖塊g中，值為1的像素點(diǎn)個(gè)

16、數(shù)與全部像素點(diǎn)個(gè)數(shù)之比，稱為該圖塊的灰度值。記為：P(g)=( Pi,j(m×n)×100% (1im, 1jm)若g中所有的像素點(diǎn)為1，則稱將g置1，若所有的像素點(diǎn)為0，則稱將g置0。本文所用的大小歸一化算法不是簡(jiǎn)單地將g壓縮為一個(gè)像素點(diǎn)，而是按壓縮比將g縮小成為另一個(gè)圖塊g，使得g具有與g相同的特征，即二者的黑像素點(diǎn)分布是相似的。這樣，由g構(gòu)成的縮小圖G就可基本上保持原圖G的特征，從而減小了由縮小所造成的失真。設(shè)：GM*N =(gi,jm*n) (1iMm，1JNn)G =(gi,j) (gi,j為g縮小后形成的圖塊)算法描述如下： 讀入原圖G，根據(jù)G的行列數(shù)、特征及壓

17、縮比，確定圖塊g的行、列數(shù)及g的行、列數(shù)； i=1，j=1； 讀人gi,j，根據(jù)第一次劃分得到的圖塊的灰度值P(gi,j)及圖塊的特征構(gòu)造gi,j； 若iMm或jNn，則修改i，j的值使之指向下一個(gè)像素點(diǎn)，然后轉(zhuǎn)向步驟 繼續(xù)；否則結(jié)束。算法的關(guān)鍵是根據(jù)原圖塊g的黑點(diǎn)分布特征來動(dòng)態(tài)地構(gòu)成g。為了提高處理效率，可在分布特征基本相似的一個(gè)較大的區(qū)域采用相同的g。而當(dāng)特征發(fā)生較大變化時(shí)再重新構(gòu)造新的g。3.2. 筆畫寬度歸一化對(duì)筆畫寬度進(jìn)行歸一一化的目的是使二值圖像變?yōu)閮H有一個(gè)像素寬度的骨架，這個(gè)過程也稱之為細(xì)化。細(xì)化的本質(zhì)就是尋找圖形的中軸線或骨架。并以其骨架來取代該圖形。細(xì)化后的圖形的像素寬度變?yōu)?/p>

18、1，但仍能保持原圖形的結(jié)構(gòu)性信息，如位置、方向、長度等。在現(xiàn)代模式識(shí)別系統(tǒng)中，細(xì)化處理已經(jīng)成為最為關(guān)鍵的預(yù)處理步驟之一，細(xì)化效果的好壞將直接影響識(shí)別速度及識(shí)別的準(zhǔn)確率?？梢哉f能否進(jìn)行有效的細(xì)化，已成為識(shí)別系統(tǒng)成功與否的關(guān)鍵所在。對(duì)一個(gè)圖像細(xì)化之后的骨架必須能夠反映出原來物體的形狀特征才具有實(shí)用價(jià)值。因此，一個(gè)好的細(xì)化算法一般需要滿足以下要求： 保留物體形狀的連通性，可以是4向連通也可以是8向連通。 無過度腐蝕，即保留位置重要的點(diǎn)(如線段終點(diǎn))。 骨架圖像盡可能是原圖像的中心線。 骨架必須與原物體是拓?fù)涞葍r(jià)的。 抗噪聲性能好，出現(xiàn)在物體邊界上的噪聲不應(yīng)該過分影響細(xì)化結(jié)果。細(xì)化分成串行細(xì)化和并行細(xì)

19、化，串行細(xì)化即是一邊檢測(cè)滿足細(xì)化條件的點(diǎn)，一邊刪除細(xì)化點(diǎn)；并行細(xì)化即是檢測(cè)細(xì)化點(diǎn)的時(shí)候不進(jìn)行點(diǎn)的刪除只進(jìn)行標(biāo)記，而在檢測(cè)完整幅圖像后一次性去除要細(xì)化的點(diǎn)。經(jīng)典的圖像細(xì)化算法有Hilditch算法，Pavlidis算法和Rosenfeld算法等。Zhang細(xì)化算法2 是目前應(yīng)用最為普遍的方法之一，是在上面三種細(xì)化算法的基礎(chǔ)上演變而來的，也是本系統(tǒng)所采用的算法。每當(dāng)人們開發(fā)出一種新的算法時(shí)，也經(jīng)常引用Zhang細(xì)化算法來與新算法進(jìn)行比較，以評(píng)定新算法的優(yōu)劣。定義邊界點(diǎn)是本身標(biāo)記為1而其8向連通鄰域中至少有一個(gè)點(diǎn)標(biāo)記為0的點(diǎn)。以邊界點(diǎn)為中心的8向鄰域，即中心點(diǎn)為p1，其鄰域的8個(gè)點(diǎn)繞中心點(diǎn)順時(shí)針依次

20、進(jìn)行標(biāo)記，如圖所示。首先標(biāo)記同時(shí)滿足下列條件的邊界點(diǎn)：連接數(shù)=1。 26個(gè)零像素。 p2，p4，p6中至少有一個(gè)像素是背景像素(即白色點(diǎn))。 p4，p6，p8中至少有一個(gè)像素是背景像素。在一次迭代運(yùn)算后，刪除被標(biāo)記的像素點(diǎn)，然后進(jìn)行另一個(gè)迭代，其步驟和第一次迭代相同，只是把上述 、 條件替換成如下的形式： p2，p4，p8中至少有一個(gè)像素是背景像素。 p4，p6，p8中至少有一個(gè)像素是背景像素。第二個(gè)迭代后，同樣刪除所有被標(biāo)記像素。然后轉(zhuǎn)入下一輪循環(huán)，直到兩次迭代中均無像素被刪除時(shí)，算法結(jié)束。3.3. 算法修正由于圖像邊界的不規(guī)則和骨架對(duì)噪聲的敏感，使抽取骨架存在大量的畸變從而使數(shù)據(jù)擬合和矢量化跟蹤的結(jié)果不能正確表示原始信息，嚴(yán)重地影響到今后對(duì)圖像的識(shí)別質(zhì)量。對(duì)此，一般的修正策略是對(duì)給定骨架的兩個(gè)連通成分，考查它們之間的距離與某一域值的關(guān)系，以決定這兩個(gè)連通成分的連接性。較為常用的 法訂：3.3.1. 固定視口法為校正骨架化畸變，可設(shè)定固定的視口，根據(jù)固定視口各邊線出口的情