在線手寫電路圖筆劃分割識別研究.pdf

1、手寫圖表是人類一種自然而直接的跨語言、跨文化、跨時代的交流方式，也是一種設(shè)計表達(dá)的基本手段。本文以在線手寫輸入電路圖為特征研究對象，以隱馬爾科夫模型（Hidden Markov Model，簡稱HMM）為背景算法，以實現(xiàn)草圖識別的自適應(yīng)性為目標(biāo)，提出一種基于空間幾何特征的手繪圖表筆劃分割方法，從筆序角度研究在線手寫圖表的語義理解，并實現(xiàn)一個基于面向?qū)ο髽?gòu)思的在線手寫圖表的筆劃分割和識別軟件系統(tǒng)。手寫圖表與印刷體圖形有很大的區(qū)別，印刷體圖

2、形的特點是標(biāo)準(zhǔn)化，所以印刷體圖形能用一個標(biāo)準(zhǔn)的公用模版進(jìn)行識別。而手寫圖形的隨意性很大，不規(guī)則性強，從而大大增加它的識別難度。手寫圖表識別的難易程度取決于與輸入者的繪圖自由度，對輸入的限制越多，草圖越容易被識別，因此，人機交互的手寫圖表識別需要在用戶繪制草圖的自由度和識別難度之間找到平衡點。如何在保證用戶輸入自由度的前提下設(shè)計出高效的手寫圖表識別方法，是手寫圖表的關(guān)鍵技術(shù)。本文是以此關(guān)鍵技術(shù)為主線展開研究．并取得以下研究成果：

3、（1）提出可比性強的手寫輸入數(shù)據(jù)規(guī)范化方法。針對在線圖形輸入時存在的書寫壓力、書寫速度或各種輸入儀器的偏差等各種不可預(yù)測的不均衡現(xiàn)象，提出等距離法重采樣法、基于最小單元（Unit-based）的重采樣法的數(shù)據(jù)標(biāo)準(zhǔn)化處理方法，從而使大小、類型各不相同的手寫圖表具有可比性。 （2）構(gòu)建基于隱馬爾科夫模型理論（HMM）的手寫圖表筆畫分割識別模型。針對手寫圖表的隨意性和不可預(yù)測性，利用HMM的時序特性進(jìn)行筆畫特征分割與語義識別，并用相同

4、的特征模型與支持向量機、神經(jīng)網(wǎng)絡(luò)等其他機器學(xué)習(xí)方法比較。 本論文具有以下創(chuàng)新點： （1）針對網(wǎng)絡(luò)類手繪草圖書寫隨意性、不確定性特征，提出基于8個角度方向、9種狀態(tài)的空間子模版匹配映射識別方法，解決語義模糊的手繪圖形與計算機識別的映射關(guān)系。 （2）在引入隱馬爾科夫模型進(jìn)行語義理解的同時，提出一種基于概率密度組合法，解決多維向量特征與特征狀態(tài)單元的對照映射問題，實現(xiàn)隱馬爾科夫模型對多維特征的結(jié)果逼近方法。 通