脱机手写中文识别中粘连文本行的切分与提取.doc

脱机手写中文识别中粘连文本行的切分与提取
【英文题名】SegmentationofTextLinesinOff-LineChineseHandwrittenCharacterRecognition
【作者中文名】周宇;
【导师】张田文;
【学位授予单位】哈尔滨工业大学;
【学科专业名称】计算机科学与技术
【学位年度】2007
【论文级别】硕士
【基金】黑龙江省自然科学基金;
【关键词】手写汉字识别;文本行切分;评价函数;
【英文关键词】handwrittenChineserecognition;segmentationoftextlines;evaluationfunction;
【中文摘要】汉字作为中华民族上千年文化的结晶,在社会发展中一直起着重大的作用,实现手写文档的电子化具有非常重要的意义。文字识别是指利用计算机自动辨别在纸或其他介质上的文字的过程。文字识别分为脱机文字识别和联机文字识别两种,主要研究脱机中文手写文字识别。中文文字识别与英文文字识别有很大的区别,并且中文文字识别的发展滞后于英文文字识别。从英文文字识别的发展历程来看,中文手写识别应该从现有的单字识别扩展到语句级识别,其中需要解决许多重要问题。现有文本库均为单字库,没有支持非单字识别的文本库,因此建立了中文文本库HIT-MW。此文本库是以文本页为基本单位的,识别之前需要将其切分为文本行,这正是本文完成的主要工作。首先通过直接水平全局投影、小角度纠斜、再次水平全局投影、局部投影四步以获得粘连文本块数据集。之后对粘连文本块数据集进行了全面详细的分析,并按照难易程度将其分为四类子数据集:两行文字易切分文本块、两行文字难切分文本块、两行文字粘连文本块和三行或更多行文字文本块,对各类数据集采取不同的策略。然后对文本块进行背景骨架化。对能够直接获得候选切分路径的数据集,研究了判别最优切分路径的评价函数;对不能获...
【英文摘要】ChinesecharacteristhecrystallizationofChinesenationforthousandsofyearsandhasbeenplayingaveryimportantroleinthedevelopmentofoursociety.Itisofgreatimportancetodigitalizethehandwrittendocuments.OpticalCharacterRecognition(OCR)isafastandautomaticinputforcharacter.Characterrecognitioncontainson-lineandoff-linecharacterrecognition,andwefocusontheoff-lineChinesecharacterrecognition.ChinesecharacterrecognitionisverydifferentfromEnglishcharacte...
摘要4-5
Abstract5
第1章绪论8-17
1.1研究计算机识别文字的目的及意义8-9
1.2汉字识别的问题与困难9-11
1.2.1汉字的特点与识别难点9-11
1.2.2手写体汉字的特点与识别难点11
1.3汉字识别研究的发展历程11-13
1.4汉字识别技术研究现状及发展趋势13-14
1.5论文背景及研究的主要内容及意义14-16
1.5.1论文背景15
1.5.2论文研究的主要内容15
1.5.3论文研究的主要意义15-16
1.6本章小结16-17
第2章粘连汉字切分方法的研究17-22
2.1引言17
2.2切分算法17-19
2.2.1基于结构特征的算法17-18
2.2.2滴水算法18
2.2.3基于细化的算法18
2.2.4储水池算法18-19
2.2.5基元合并算法19
2.3切分路径评价方法19-20
2.3.1决策树19-20
2.3.2混合高斯概率函数20
2.3.3贝叶斯置信网络20
2.4本章小结20-22
第3章文本行切分实验数据获得与分析22-32
3.1引言22-23
3.2文本库HIT-MW简介23-25
3.2.1HIT-MW的收集目的23-25
3.3实验数据的获得25-29
3.3.1原始数据处理步骤26-28
3.3.2数据统计28-29
3.4实验数据分析29-31
3.4.1两行文字易切分文本块集29-30
3.4.2两行文字难切分文本块集30
3.4.3两行文字粘连文本块集30-31
3.4.4三行或更多行文字文本块集31
3.5本章小结31-32
第4章粘连文本行切分与提取32-42
4.1引言32-33
4.2主要研究内容简介33
4.3文本块背景骨架化33-35
4.4寻找候选切分路径35-37
4.5最优路