基于內容及風格的離線手寫漢字鑒定算法研究.pdf

1、對于未知人員手寫文字進行計算機識別與分析，基于其內容與書寫風格進行分類，進而鑒定書寫人類別是一項困難的任務。本文從圖像風格信息和文本語義信息兩個角度進行離線手寫漢字鑒定算法研究。圖像風格信息通過筆跡鑒定算法提取，文本語義信息通過字符識別和文本分類的方法提取。
　　首先，鑒于深度學習中卷積神經網絡模型在圖像識別與分類中的出色性能，本文的筆跡鑒定和字符識別算法采用卷積神經網絡模型進行研究；而文本分類采用傳統(tǒng)的向量空間模型和主題模型進行

2、研究。接著，構建手寫漢字鑒定算法文本圖像數據庫，驗證鑒定算法有效性。最后，提出采用乘法規(guī)則，對圖像風格特征和文本語義特征進行信息融合，提升算法魯棒性。本文的主要內容有：
　　1.針對卷積神經網絡中不同大小的卷積核提取圖像信息層次不同的特點，提出采用多級卷積特征提取結構代替卷積神經網絡中的第一個卷積和下采樣層。增強網絡的特征提取能力，并分別在離線中文筆跡鑒定和字符識別卷積神經網絡模型上進行改進驗證，提升模型鑒定和識別正確率。

3、　　2.將改進后的字符識別HCCR-GoogLeNet模型，應用于文本無關離線中文筆跡鑒定領域，獲得端到端方法最佳性能。
　　3.對比向量空間模型和主題模型在文本分類上的性能，提出將 Latent Dirichlet Allocation模型應用于匿名信分類場景。
　　4.構建離線手寫漢字鑒定算法文本圖像數據庫，驗證基于風格和基于內容的鑒定算法有效性，并采用乘法規(guī)則對二者結果進行融合，提升鑒定算法魯棒性。
　　通過本文