[發明專利]一種基于CNN的手寫中文文本識別方法

在審

• 申請號: 201811495474.2
• 申請日: 2018-12-07
• 公開（公告）號: CN109740605A
• 公開（公告）日: 2019-05-10
• 發明（設計）人: 何凱;黃婉蓉;馮旭;高圣楠
• 申請（專利權）人: 天津大學
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/62
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李林娟

本發明公開了一種基于CNN的手寫中文文本識別方法，所述方法將單個手寫中文識別與文字分割算法結合起來，實現了手寫中文文本的自動識別，所述方法包括以下步驟：對文本圖片進行灰度化、二值化處理，再利用直方圖投影對中文文本進行分割；先通過橫向掃描分割出單行文字，再利用縱向掃描分割出單個文字；對單個中文圖片進行掃描處理，對中文進行正射糾正，并使其位于圖片中間位置，上下左右各留出10個空白像素；基于TensorFlow框架構造一個包括：4個卷積層、4個池化層和2個全連接層的卷積神經網絡，利用訓練集進行訓練；輸入待測圖片，根據構建的卷積神經網絡進行識別。

技術領域

本發明涉及計算機圖像處理領域，尤其涉及一種基于CNN(卷積神經網絡)的手寫中文文本識別方法。

背景技術

手寫中文識別是計算機圖像和視覺研究領域的熱點之一，在識別歷史文檔，郵件分類，手寫筆記的轉錄等方面都得到了廣泛地應用。盡管在過去的幾十年中，國內外學者已經在該領域作了大量研究，但仍然有許多問題沒有得到有效解決。手寫中文識別的主要困難來自中文結構復雜，字符種類多，數據大，各人風格不同，手寫失真等。在某些情況下，相似中文之間的無約束手寫樣本的差異可能非常小，例如字符“天”，“夫”和“夭”，“已”，“己”和“巳”，“目”，“白”和“自”等，使得識別任務更加具有挑戰性。

到目前為止，各國科研人員在手寫中文識別領域已經進行了半個多世紀的研究，提出了許多離線識別方法來實現手寫中文文本的機器識別，其中，以基于修改的二次判別函數(MQDF)^[1]的方法最具代表性。此外，一些傳統方法(如修改的二次判別函數MQDF、判別學習型二次判別函數DLQDF)，對手寫中文識別數據庫CASIA-HWDB取得了較好的識別效果，但識別準確率仍然低于93％，與人類表現尚有一定差距。

近年來，隨著計算機硬件的發展和大量的訓練數據集的建立，使得基于神經網絡識別手寫中文文本成為可能。LeCun在20世紀90年代提出了CNN來實現字符的機器識別，受到了廣泛關注；隨著近年來深度學習的興起，CNN為手寫中文識別帶來了新的突破性技術，大大縮小了計算機與人類表現之間的差距。

目前，國內外學者已經利用更深層次的體系結構對CNN作了擴展，并采用更好的訓練技術(如Dropout正規化方法)^[2]，以及更好的非線性激活功能(如ReLU線性整流函數)^[3]，成功解決了眾多計算機視覺和模式識別領域存在的問題，取得了比較理想的實現效果，例如：在2013年舉辦的ICDAR(文檔分析與識別國際會議)^[4]上在線和離線中文手寫中文識別競賽中，富士通團隊在離線HCCR(手寫中文識別)競賽中獲得第一名，準確率達到94.77％。2014年，吳等人基于4個經過改編訓練的松弛卷積神經網絡(ATR-CNN)，將手寫中文識別的準確度提高到了96.06％。

但是，現有技術一些較高的識別準確率都只是基于單個中文的識別，而在實際應用方面大多數情況都是基于文本的識別，因此從實際應用角度出發，需要在手寫中文文本識別上獲得較高的準確率。此外，通過加深網絡層次與復雜化網絡結構來提高識別準確率，會很大程度地增加參數總數，不利于實際應用。

發明內容

本發明提供了一種基于CNN的手寫中文文本識別方法，本發明解決了傳統手寫中文識別準確率較低的問題，并將單個手寫中文識別與文字分割算法結合起來，實現了手寫中文文本的自動識別，詳見下文描述：

一種基于CNN的手寫中文文本識別方法，所述方法將單個手寫中文識別與文字分割算法結合起來，實現了手寫中文文本的自動識別，所述方法包括以下步驟：

對文本圖片進行灰度化、二值化處理，再利用直方圖投影對中文文本進行分割；先通過橫向掃描分割出單行文字，再利用縱向掃描分割出單個文字；

對單個中文圖片進行掃描處理，對中文進行正射糾正，并使其位于圖片中間位置，上下左右各留出10個空白像素；