手寫(xiě)漢字圖像動(dòng)態(tài)信息恢復(fù)方法研究.pdf

1、手寫(xiě)漢字圖像動(dòng)態(tài)信息恢復(fù)是指從脫機(jī)靜態(tài)字符圖像中恢復(fù)書(shū)寫(xiě)者在書(shū)寫(xiě)過(guò)程產(chǎn)生的時(shí)序信息，將一個(gè)二維的靜態(tài)圖像轉(zhuǎn)換為多個(gè)一維的動(dòng)態(tài)時(shí)間序列的過(guò)程。
　　 對(duì)手寫(xiě)漢字圖像進(jìn)行動(dòng)態(tài)信息恢復(fù)不僅可以實(shí)現(xiàn)對(duì)大量非結(jié)構(gòu)化的靜態(tài)文本圖像的有效管理，使其方便地在計(jì)算機(jī)上進(jìn)行存儲(chǔ)和檢索，而且可以在脫機(jī)和聯(lián)機(jī)的應(yīng)用處理方法之間構(gòu)建橋梁，應(yīng)用目前現(xiàn)有的聯(lián)機(jī)處理方法來(lái)處理脫機(jī)圖像，提高脫機(jī)處理的性能，滿(mǎn)足越來(lái)越廣泛和深入的手寫(xiě)漢字信息化管理與應(yīng)用的需求。<

2、br>　　 圍繞手寫(xiě)漢字動(dòng)態(tài)信息恢復(fù)中的基于結(jié)構(gòu)分析和基于模型匹配兩類(lèi)問(wèn)題，開(kāi)展了5個(gè)方面的研究工作：基于模糊區(qū)域檢測(cè)的手寫(xiě)漢字筆劃提取、漢字的結(jié)構(gòu)化建模表示、基于結(jié)構(gòu)模型的動(dòng)態(tài)信息恢復(fù)，手寫(xiě)漢字圖像的骨架修正以及基于模型匹配的動(dòng)態(tài)信息恢復(fù)技術(shù)。
　　 針對(duì)手寫(xiě)漢字筆劃提取的重點(diǎn)和難點(diǎn)——模糊區(qū)域的識(shí)別和解析，提出了一種新的基于模糊區(qū)域檢測(cè)的手寫(xiě)漢字筆劃提取算法，提高基于結(jié)構(gòu)分析的動(dòng)態(tài)信息恢復(fù)的預(yù)處理效果。首先，由骨架特征點(diǎn)來(lái)

3、確定模糊區(qū)域的近似中心點(diǎn)；接著，利用近似中心點(diǎn)和其周?chē)妮喞畔⑦M(jìn)行模糊區(qū)域檢測(cè)；然后，利用圖模型來(lái)對(duì)子筆劃和模糊區(qū)域進(jìn)行建模，構(gòu)造貝葉斯分類(lèi)器來(lái)分析子筆劃對(duì)的連續(xù)性，并且相應(yīng)地給出了約束條件和判斷準(zhǔn)則，分別用于筆劃路徑的搜索和處理多描繪子筆劃；最后，進(jìn)行B樣條插值來(lái)提取細(xì)化后的筆劃。該算法不僅能夠有效地用于模糊區(qū)域檢測(cè)和筆劃提取，而且能夠避免筆劃在模糊區(qū)域內(nèi)的形狀畸變。
　　 在筆劃提取的基礎(chǔ)上，分析漢字的層次結(jié)構(gòu)，提出了一種

4、脫機(jī)手寫(xiě)漢字動(dòng)態(tài)信息恢復(fù)模型。將漢字依次分為4個(gè)層次：整字、部件、子部件和筆劃，利用4種拆分操作將整字拆分為部件，部件拆分為子部件，并由此形成了子部件間的5種拆分關(guān)系。通過(guò)定義一組拆分關(guān)系與子部件偏序關(guān)系之間的對(duì)應(yīng)規(guī)則，得到子部件的全序關(guān)系。而子部件作為最基本的恢復(fù)單位，其書(shū)寫(xiě)順序通過(guò)對(duì)筆劃和交叉筆劃對(duì)進(jìn)行分類(lèi)來(lái)得到。該方法對(duì)于具有完整層次結(jié)構(gòu)的手寫(xiě)漢字的書(shū)寫(xiě)順序恢復(fù)，具有較好的準(zhǔn)確率和處理速度。
　　 針對(duì)現(xiàn)存的大多數(shù)的骨架提

5、取算法會(huì)產(chǎn)生偽段或形狀扭曲這個(gè)不可避免的問(wèn)題，提出了一種通過(guò)識(shí)別和修正不可靠段來(lái)改進(jìn)手寫(xiě)圖像骨架的方法。首先，給出了一種新穎的特征——迭代次數(shù)，將骨架的不可靠段看做是迭代次數(shù)異常的點(diǎn)的集合，并且采用無(wú)向圖對(duì)字符骨架進(jìn)行建模，將圖中的節(jié)點(diǎn)對(duì)應(yīng)為骨架上的特征點(diǎn)及其周?chē)哂挟惓５螖?shù)的像素點(diǎn)；其次，為了避免骨架分枝長(zhǎng)度對(duì)不可靠段識(shí)別的影響，又給出了一種基于迭代次數(shù)的節(jié)點(diǎn)距離度量方法，用于對(duì)圖中的邊進(jìn)行加權(quán)。于是，不可靠段識(shí)別的問(wèn)題就轉(zhuǎn)換成將

6、該無(wú)向圖分解為一個(gè)子圖集合的問(wèn)題，并可通過(guò)一種有效的聚類(lèi)質(zhì)量估算函數(shù)對(duì)該圖進(jìn)行聚類(lèi)來(lái)解決。最后，在骨架修正階段，利用最佳匹配的方法來(lái)得到可靠段之間的連續(xù)性，而對(duì)不可靠段的修正則是通過(guò)對(duì)其相連可靠段的采樣點(diǎn)進(jìn)行B樣條插值來(lái)進(jìn)行。該方法不僅可以修正漢字的骨架，而且對(duì)于英文的骨架也具有較高的修正效果。
　　 在基于模型匹配的動(dòng)態(tài)信息恢復(fù)的研究中，采用序列匹配的方法找出輸入字符的骨架和動(dòng)態(tài)模型序列之間的對(duì)應(yīng)關(guān)系，以達(dá)到動(dòng)態(tài)信息恢復(fù)的目的

7、。首先，采用形狀上下文來(lái)定義輸入圖像和模型圖像對(duì)應(yīng)點(diǎn)之間的匹配代價(jià)；然后，通過(guò)建模對(duì)字符骨架進(jìn)行分段，并采用基于DTW 距離的子序列匹配來(lái)找出骨架各分段的最佳序列匹配；為了避免搜索整條序列，針對(duì)骨架分段的特點(diǎn)，設(shè)計(jì)一種具有較低計(jì)算代價(jià)的子序列匹配算法；最后，通過(guò)子圖映射和子圖恢復(fù)來(lái)找出最佳的全局匹配路徑，并分析了輸入圖像的子圖集合到模型序列的映射方法，以及子圖內(nèi)部的書(shū)寫(xiě)順序恢復(fù)的路徑約束。該方法對(duì)于形狀和位置的變化以及筆劃的缺省和連筆具