[發(fā)明專利]一種基于圖像處理的殘缺漢字識別方法

在審

• 申請?zhí)枺?/td>: 201811035069.2
• 申請日: 2018-09-06
• 公開（公告）號: CN109344834A
• 公開（公告）日: 2019-02-15
• 發(fā)明（設計）人: 龍華;吳睿;熊新;邵玉斌;杜慶治
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/46
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于圖像處理的殘缺漢字識別方法，其特征在于：

Step0：從TTC字體文件中提取出每個漢字所對應的圖像，即漢字圖像大小為l×w，單位為像素點，共計N個像素點；將漢字圖像作為輸入源，生成該漢字所對應的漢字矩陣I_l×w，該矩陣中的元素值即為該像素點的灰度值；定義ξ為灰度二值化閾值，對矩陣I_l×w進行公式(1)所示二值化處理，之后將矩陣I_l×w按照從左至右、從上至下的規(guī)則生成該漢字所對應的特征向量{f₁,f₂,…,f_N}；將所有漢字及生成的漢字特征向量存入數據庫，組建漢字特征向量數據庫；

Step1：利用現(xiàn)代掃描技術及漢字形狀特征，從紙張或其他載體中提取出待檢測殘缺漢字X的圖像，將圖像以l:w的比例剪切至待檢測殘缺漢字X盡可能鋪滿圖像為止，但要將其殘缺漢字重心處于圖像的中心，并留取合適的邊距，生成待檢測殘缺漢字X的掃描圖像

Step2：將待檢測殘缺漢字X的掃描圖像按比例壓縮至l×w像素點，共計N個像素點，隨后生成殘缺漢字X的掃描圖像所對應的漢字矩陣X_l×w，該矩陣中的元素值即為該像素點的灰度值；依然以ξ為灰度二值化閾值，對矩陣X_l×w進行公式(2)所示二值化處理，之后將矩陣X_l×w按照從左至右、從上至下的規(guī)則生成殘缺漢字X所對應的特征向量{x₁,x₂,…,x_N}；

Step3：調取漢字特征向量數據庫中的漢字特征向量{f₁,f₂,…,f_N}，記其所對應的漢字為F，通過差值算法計算其與殘缺漢字X的特征向量{x₁,x₂,…,x_N}之間的識別度Sbd(X,F)；具體實施步驟如Step3.1～Step3.2所示；

Step3.1：定義z_i＝x_i-f_i,i∈[1,N]，生成殘缺漢字X與漢字F所對應的差值特征向量

Step3.2：通過差值計算公式(3)求得殘缺漢字X與漢字F之間的識別度Sbd(X,F)；

Step4：遍歷漢字特征向量數據庫中的所有數據，對數據庫中每個漢字F_i,i∈[1,K]都經Step3步驟計算其與殘缺漢字X之間的識別度Sbd(X,F_i),i∈[1,K]；將按照從大到小的順序排序，提取出前θ個待定漢字并輸出。

2.根據權利要求1所述的基于圖像處理的殘缺漢字識別方法，其特征在于：所述步驟Step0中，漢字圖像大小l×w是由字體文件中提取的漢字字體大小決定，且總像素點N＝l×w；并且灰度二值化閾值ξ滿足公式(4)的要求；

0≤ξ≤255 (4)。

3.根據權利要求1所述的基于圖像處理的殘缺漢字識別方法，其特征在于：所述步驟Step4中，K即為漢字的總個數，若按照編碼方式為Unicode的基本字符集為標準，則共有20902個漢字，即K＝20902。