[發明專利]一種存在模糊態的字輪圖像數字識別方法

有效

• 申請號: 202010885555.4
• 申請日: 2020-08-28
• 公開（公告）號: CN111814917B
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 朱煉;趙勇;常關羽;牛富增;賈忠友
• 申請（專利權）人: 成都千嘉科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京市領專知識產權代理有限公司 11590
• 代理人: 張玲;葛紅

1.一種存在模糊態的字輪圖像數字識別方法，其特征在于：具體包括以下步驟：

獲取狀態提取器的訓練集，以及獲取分類器的訓練集；

所述獲取狀態提取器的訓練集的步驟，包括：從數據集中篩選出確定狀態的數據，舍棄模糊態的數據，并對篩選出來的確定狀態的數據進行狀態標注，狀態標注后的數據形成確定狀態訓練集，作為狀態提取器的訓練集；所述狀態標注包括完整字符狀態標注、半字符狀態標注；

使用狀態提取器的訓練集對狀態提取器進行訓練，使用分類器的訓練集對分類器進行訓練；

將待識別樣本輸入訓練后的狀態提取器，得到狀態變量，將狀態變量輸入訓練后的分類器，輸出分類結果；

所述將待識別樣本輸入訓練后的狀態提取器，得到狀態變量，將狀態變量輸入訓練后的分類器，輸出分類結果的步驟，包括：

將待識別樣本輸入訓練后的狀態提取器，得到狀態變量x；

所述狀態變量x經N個特征所對應的N個隸屬函數后，映射得到該狀態變量x分別對N個模糊集的隸屬度；

根據得到的隸屬度將輸入的待識別樣本進行唯一通路選擇，選擇進入其中一個模糊集對應的分類器中；

經該分類器后進行識別，輸出該待識別樣本的分類結果。

2.根據權利要求1所述的方法，其特征在于：所述獲取分類器的訓練集的步驟，包括：對數據集中的所有數據進行分類標注，分類標注后的數據作為分類器的訓練集；所述分類標注包括字符標注。

3.根據權利要求2所述的方法，其特征在于：所述使用狀態提取器的訓練集對狀態提取器進行訓練的步驟，包括：

預訓練狀態特征提取結構：使用確定狀態訓練集對狀態特征提取結構進行預訓練，得到狀態特征提取結構的參數；

特征度量學習：每次向狀態特征提取結構中隨機輸入兩個樣本以及這兩個樣本之間的距離，訓練以狀態特征提取結構為基礎的狀態提取器；

構造確定狀態的特征集：選取每個確定狀態訓練集中與同狀態其余樣本距離之和最小的一個樣本，作為該確定狀態的特征樣本，將該特征樣本添加到確定狀態的特征集中，直到確定狀態的特征集內存儲了代表N個確定狀態的N個特征。

4.根據權利要求3所述的方法，其特征在于：所述使用分類器的訓練集對分類器進行訓練的步驟，包括：

將分類標注的訓練集輸入訓練后的狀態提取器，得到狀態變量x0；

所述狀態變量x0經N個特征所對應的N個隸屬函數后，映射得到該狀態變量對各模糊集的隸屬度；

根據N個隸屬函數對應的N個模糊集的隸屬度獲取各模糊集的水平截集作為分類器的訓練集對分類器進行訓練，得到N個分類器。

5.根據權利要求4所述的方法，其特征在于：所述將待識別樣本輸入訓練后的狀態提取器，得到狀態變量x的步驟，包括：將待識別樣本的狀態特征與確定狀態的特征集中的N個特征作比較，計算出N個距離值，形成狀態變量x。