西夏文字光學(xué)識別研究.pdf

1、文字識別是集模式識別、圖像處理與文字處理技術(shù)于一體的一種新技術(shù)，是模式識別和人工智能領(lǐng)域的一個(gè)研究方向.目前，西方文字和漢字的印刷體識別經(jīng)過了多年的探索和實(shí)踐，已經(jīng)走向了實(shí)用化.西夏文字是記錄古代西夏主體民族-黨項(xiàng)族的語言和文字，是研究西夏文化的重要手段.西夏文字識別可以廣泛應(yīng)用于西夏文字信息處理的各個(gè)領(lǐng)域，如新聞出版印刷業(yè)、古籍資料的整理和研究、西夏文字?jǐn)?shù)字圖書館等.為了更好的進(jìn)行西夏文字處理，急需開發(fā)西夏文字識別軟件，將西夏文字資料

2、及圖書輸入到計(jì)算機(jī)中保存起來，以方便學(xué)習(xí)和研究.
　　 本文圍繞手西夏文字識別研究的難點(diǎn)，從西夏文獻(xiàn)圖片的預(yù)處理、彈性網(wǎng)格劃分、筆畫方向分解特征和Gabor特征的提取以及Bayes分類方法四個(gè)方面對西夏文字識別進(jìn)行了綜合的研究，主要工作包括：
　　 1、西夏文獻(xiàn)圖片預(yù)處理：對西夏文字文字圖片進(jìn)行二值化、去除噪聲、細(xì)化等預(yù)處理，并對西夏文獻(xiàn)中的西夏文字按照書寫方法實(shí)現(xiàn)了單字的切分.
　　 2、西夏文字的彈性網(wǎng)格劃分

3、方法：對西夏文字劃分各種彈性網(wǎng)格，以最大限度的消除西夏文獻(xiàn)中文字書寫各異、手寫風(fēng)格等引起的旋轉(zhuǎn)變形、伸縮變形、筆畫位置不穩(wěn)定等問題.
　　 3、西夏文字特征提?。焊鶕?jù)西夏文字的特點(diǎn)及筆劃分布的統(tǒng)計(jì)特征，對西夏文字進(jìn)行橫豎撇捺四方向的分解，對分解后的各分向量的像素在彈性網(wǎng)格上進(jìn)行統(tǒng)計(jì)而提取特征，并使用LDA方法壓縮提取特征以提高識別的性能.
　　 4、Bayes分類方法分類西夏文字：討論了使用歐氏距離、街區(qū)距離、帶偏差的歐