日本精品不卡,精品综合久久久久久97超人该,久久国产精品久久国产精品,www.奇米第四色,亚洲黄色激情网,免费萌白酱国产一区二区三区

分享到:

包裝網(wǎng)全國直通: 北京  上海  天津  重慶  河北  山西  內(nèi)蒙  遼寧  吉林  黑龍江  湖北  湖南  河南  山東  浙江  江西  江蘇  安徽  福建

更多>>
首頁 > 學(xué)習(xí)園地 > 制作工藝 > 印刷體文字的識別研究方法分類介紹

印刷體文字的識別研究方法分類介紹
2012-06-11 10:56:40   作者:   來源:   評論:0 點擊:

  識別方法是整個系統(tǒng)的核心。用于漢字識別的模式識別方法可以大致分為結(jié)構(gòu)模式識別、統(tǒng)計模式識別及兩者的結(jié)合。下面分別進(jìn)行介紹。

  結(jié)構(gòu)模式識別

  漢字是一種特殊的模式,其結(jié)構(gòu)雖然比較復(fù)雜,但具有相當(dāng)嚴(yán)格的規(guī)律性。換言之,漢字圖形含有豐富的結(jié)構(gòu)信息,可以設(shè)法提取含有這種信息的結(jié)構(gòu)特征及其組字規(guī)律,作為識別漢字的依據(jù),這就是結(jié)構(gòu)模式識別。

  結(jié)構(gòu)模式識別是早期漢字識別研究的主要方法。其主要出發(fā)點是漢字的組成結(jié)構(gòu)。從漢字的構(gòu)成上講,漢字是由筆劃(點橫豎撇捺等)、偏旁部首構(gòu)成的;還可以認(rèn)為漢字是由更小的結(jié)構(gòu)基元構(gòu)成的。由這些結(jié)構(gòu)基元及其相互關(guān)系完全可以精確地對漢字加以描述,就像一篇文章由單字、詞、短語和句子按語法規(guī)律所組成一樣。所以這種方法也叫句法模式識別。識別時,利用上述結(jié)構(gòu)信息及句法分析的方法進(jìn)行識別,類似一個邏輯推理器。

  用這種方法來描述漢字字形結(jié)構(gòu)在理論上是比較恰當(dāng)?shù)模渲饕獌?yōu)點在于對字體變化的適應(yīng)性強(qiáng),區(qū)分相似字能力強(qiáng);但是,在實際應(yīng)用中,面臨的主要問題是抗干擾能力差,因為在實際得到的文本圖象中存在著各種干擾,如傾斜,扭曲,斷裂,粘連,紙張上的污點,對比度差等等。這些因素直接影響到結(jié)構(gòu)基元的提取,假如結(jié)構(gòu)基元不能準(zhǔn)確地得到,后面的推理過程就成了無源之水。此外結(jié)構(gòu)模式識別的描述比較復(fù)雜,匹配過程的復(fù)雜度因而也較高。所以在印刷體漢字識別領(lǐng)域中,純結(jié)構(gòu)模式識別方法已經(jīng)逐漸衰落,句法識別的方法正日益受到挑戰(zhàn)。

  統(tǒng)計模式識別

  統(tǒng)計決策論發(fā)展較早,理論也較成熟。其要點是提取待識別模式的的一組統(tǒng)計特征,然后按照一定準(zhǔn)則所確定的決策函數(shù)進(jìn)行分類判決。

  漢字的統(tǒng)計模式識別是將字符點陣看作一個整體,其所用的特征是從這個整體上經(jīng)過大量的統(tǒng)計而得到的。統(tǒng)計特征的特點是抗干擾性強(qiáng),匹配與分類的算法簡單,易于實現(xiàn)。不足之處在于細(xì)分能力較弱,區(qū)分相似字的能力差一些。常見的統(tǒng)計模式識別方法有:

  (1) 模板匹配。模板匹配并不需要特征提取過程。字符的圖象直接作為特征,與字典中的模板相比,相似度最高的模板類即為識別結(jié)果。這種方法簡單易行,可以并行處理;但是一個模板只能識別同樣大小、同種字體的字符,對于傾斜、筆劃變粗變細(xì)均無良好的適應(yīng)能力。

  (2)利用變換特征的方法。對字符圖象進(jìn)行二進(jìn)制變換(如Walsh, Hardama變換)或更復(fù)雜的變換(如Karhunen-Loeve, Fourier,Cosine,Slant變換等),變換后的特征的維數(shù)大大降低。但是這些變換不是旋轉(zhuǎn)不變的,因此對于傾斜變形的字符的識別會有較大的偏差。二進(jìn)制變換的計算雖然簡單,但變換后的特征沒有明顯的物理意義。K-L變換雖然從最小均方誤差角度來說是最佳的,但是運(yùn)算量太大,難以實用。總之,變換特征的運(yùn)算復(fù)雜度較高。

  (3)投影直方圖法。利用字符圖象在水平及垂直方向的投影作為特征。該方法對傾斜旋轉(zhuǎn)非常敏感,細(xì)分能力差。

  (4)幾何矩(Geometric Moment)特征。M. K. Hu提出利用矩不變量作為特征的想法,引起了研究矩的熱潮。研究人員又確定了數(shù)十個移不變、比例不變的矩。我們都希望找到穩(wěn)定可靠的、對各種干擾適應(yīng)能力很強(qiáng)的特征,在幾何矩方面的研究正反映了這一愿望。以上所涉及到的幾何矩均在線性變換下保持不變。但在實際環(huán)境中,很難保證線性變換這一前提條件。

  (5)Spline曲線近似與傅立葉描繪子(Fourier Descriptor)。兩種方法都是針對字符圖象輪廓的。Spline曲線近似是在輪廓上找到曲率大的折點,利用Spline曲線來近似相鄰折點之間的輪廓線。而傅立葉描繪子則是利用傅立葉函數(shù)模擬封閉的輪廓線,將傅立葉函數(shù)的各個系數(shù)作為特征的。前者對于旋轉(zhuǎn)很敏感。后者對于輪廓線不封閉的字符圖象不適用,因此很難用于筆劃斷裂的字符的識別。

  (6)筆劃密度特征。筆劃密度的描述有許多種,這里采用如下定義:字符圖象某一特定范圍的筆劃密度是在該范圍內(nèi),以固定掃描次數(shù)沿水平、垂直或?qū)蔷方向掃描時的穿透次數(shù)。這種特征描述了漢字的各部分筆劃的疏密程度,提供了比較完整的信息。在圖象質(zhì)量可以保證的情況下,這種特征相當(dāng)穩(wěn)定。在脫機(jī)手寫體的識別中也經(jīng)常用到這種特征。但是在字符內(nèi)部筆劃粘連時誤差較大。

  (7)外圍特征。漢字的輪廓包含了豐富的特征,即使在字符內(nèi)部筆劃粘連的情況下,輪廓部分的信息也還是比較完整的。這種特征非常適合于作為粗分類的特征。

  (8)基于微結(jié)構(gòu)特征的方法。這種方法的出發(fā)點在于,漢字是由筆劃組成的,而筆劃是由一定方向,一定位置關(guān)系與長寬比的矩形段組成的。這些矩形段則稱為微結(jié)構(gòu)。利用微結(jié)構(gòu)及微結(jié)構(gòu)之間的關(guān)系組成的特征對漢字進(jìn)行識別,尤其是對于多體漢字的識別,獲得了良好的效果。其不足之處是,在內(nèi)部筆劃粘連時,微結(jié)構(gòu)的提取會遇到困難。

  (9)特征點特征。早在1957年,Solatron Electronics Group公司發(fā)布了第一個利用窺視孔(peephole)方法的OCR系統(tǒng)。其主要思想是利用字符點陣中一些有代表性的黑點(筆劃),白點(背景)作為特征來區(qū)分不同的字符。后有人又將這種方法運(yùn)用到漢字識別中,對其中的黑點又增加了屬性的描述,如端點、折點、交叉點等。也獲得了比較好的效果。其特點是對于內(nèi)部筆劃粘連的字符的識別的適應(yīng)性較強(qiáng),直觀性好,但是不易表示為矢量形式,不適合作為粗分類的特征,匹配難度大。

  當(dāng)然還有許多種不同的統(tǒng)計特征,諸如圖描述法、包含配選法、脫殼透視法、差筆劃法等,這里就不一一介紹了。

  統(tǒng)計識別與結(jié)構(gòu)識別的結(jié)合

  結(jié)構(gòu)模式識別與統(tǒng)計模式識別各有優(yōu)缺點,隨著我們對于兩種方法認(rèn)識的深入,這兩種方法正在逐漸融合。網(wǎng)格化特征就是這種結(jié)合的產(chǎn)物。字符圖象被均勻地或非均勻地劃分為若干區(qū)域,稱之為“網(wǎng)格”。在每一個網(wǎng)格內(nèi)尋找各種特征,如筆劃點與背景點的比例,交叉點、筆劃端點的個數(shù),細(xì)化后的筆劃的長度、網(wǎng)格部分的筆劃密度等等。特征的統(tǒng)計以網(wǎng)格為單位,即使個別點的統(tǒng)計有誤差也不會造成大的影響,增強(qiáng)了特征的抗干擾性。這種方法正得到日益廣泛的應(yīng)用。

  人工神經(jīng)網(wǎng)絡(luò)

  人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,以下稱ANN)是一種模擬人腦神經(jīng)元細(xì)胞的網(wǎng)絡(luò)結(jié)構(gòu),它是由大量簡單的基本元件-神經(jīng)元相互連接成的自適應(yīng)非線性動態(tài)系統(tǒng)。雖然目前對于人腦神經(jīng)元的研究還很不完善,我們無法確定ANN的工作方式是否與人腦神經(jīng)元的運(yùn)作方式相同,但是ANN正在吸引著越來越多的注意力。

  ANN中的各個神經(jīng)元的結(jié)構(gòu)與功能較為簡單,但大量的簡單神經(jīng)元的組合卻可以非常復(fù)雜,我們從而可以通過調(diào)整神經(jīng)元間的連接系數(shù)完成分類、識別等復(fù)雜的功能。ANN還具有一定的自適應(yīng)的學(xué)習(xí)與組織能力,組成網(wǎng)絡(luò)的各個“細(xì)胞”可以并行工作,并可以通過調(diào)整“細(xì)胞”間的連接系數(shù)完成分類、識別等復(fù)雜的功能。這是馮·諾依曼的計算機(jī)無法做到的。

  ANN可以作為單純的分類器(不包含特征提取,選擇),也可以用作功能完善的分類器。在英文字母與數(shù)字的識別等類別數(shù)目較少的分類問題中,常常將字符的圖象點陣直接作為神經(jīng)網(wǎng)絡(luò)的輸入。不同于傳統(tǒng)的模式識別方法,在這種情況下,神經(jīng)網(wǎng)絡(luò)所“提取”的特征并無明顯的物理含義,而是儲存在神經(jīng)物理中各個神經(jīng)元的連接之中,省去了由人來決定特征提取的方法與實現(xiàn)過程。從這個意義上來說,ANN提供了一種“字符自動識別”的可能性。此外,ANN分類器是一種非線性的分類器,它可以提供我們很難想象到的復(fù)雜的類間分界面,這也為復(fù)雜分類問題的解決提供了一種可能的解決方式。

  目前,在對于象漢字識別這樣超多類的分類問題,ANN的規(guī)模會很大,結(jié)構(gòu)也很復(fù)雜,現(xiàn)在還遠(yuǎn)未達(dá)到實用的程度。其中的原因很多,主要的原因還在于我們對人腦的工作方式以及ANN本身的許多問題還沒有找到完美的答案。

相關(guān)熱詞搜索:包裝 印刷 模式識別

上一篇:絲印龜裂問題的解決方法
下一篇:環(huán)境溫濕度對煙標(biāo)平整度的影響

分享到: 收藏
主站蜘蛛池模板: 欧美色偷拍 | 色即是空电影在线 | 精品免费一区二区三区 | 色婷婷激情综合 | 国产午夜精品一区二区三区不卡 | 瑟瑟网站在线观看 | 瑟瑟网站免费网站入口 | 丁香天堂网 | 中文字幕久久精品 | 欧美一区在线观看视频 | 日韩一区二区精品久久高清 | 福利在线视频一区热舞 | 久久精品国产亚洲 | 色一情一乱一伦一视频免费看 | 久久毛片免费看一区二区三区 | 99精品高清不卡在线观看 | 六月丁香婷婷网 | 欧美在线性 | 日本男人天堂网 | 精品久久久久久中文字幕一区 | 日本加勒比中文字幕 | 国产一区二区三区免费在线视频 | 四虎国产精品永免费 | 国产99网站 | 国产高清免费吃奶在线观看 | 99久久99久久精品免费看子 | 欧美在线一区二区 | 国产视频久久久 | 日日操人人| 成人自拍视频网站 | 国产精品伦理久久久久 | 可以免费看的毛片 | 99热在线免费播放 | 免费观看色视频 | 欧美日韩午夜精品不卡综合 | 欧美高清不卡视频 | 免费看日产一区二区三区 | 51短视频版在线观看www免费 | 99久久免费国产特黄 | 99在线免费视频 | 日本高清免费不卡视频 |