模式识别-第十讲 印刷体汉字识别中的特征提取

9.3.2 粗外围特征
• 粗外围特征抽取的过程为：先求出文字的外边框， 再把p×q点阵文字在横向和纵向各分割成n份，n 通常取8。从文字四边框往里面扫描，计算最初 与文字笔划相碰的非文字部分的面积和全部文字 面积之比作为一次粗外围特征(4n维)。
• 再将第二次与文字线相碰的非文字部分面积和全 部文字面积之比作为二次粗外围特征(4n维) ，形 成8n维的特征向量。 • 一次粗外围特征反映了文字轮廓特征，二次粗外 围特征在某种程度上反映了文字内部结构。
9.3.5 汉字特征点
• 汉字基本上由直线笔划构成。在一幅二值化 图像中，汉字信息绝大部分集中在汉字骨架 上，而汉字骨架信息又大多集中在若干笔划 特征点上。 • 汉字笔划特征点包含端点、折点、歧点和交 点。 • 粗外围、粗网格等特征属于统计特征，而汉 字笔划特征点属于结构特征，具有对笔划粗 细、位置变动等的抵抗能力。
9.3 印刷体汉字识别中的一些特征
• 印刷体汉字识别中的关键问题是特征提 取问题。 • 尤其是提取那些比较具有分类价值，同 时又比较容易通过程序计算得到的那些 特征。
• 以及那些对字体的不同、汉字大小的不 同和噪声的影响等因素不敏感的特征。
9.3.1 四边码
• 先找出文字的边框，从文字边框开始，向 内取适当的宽度，以此宽度分割出文字四 周的四个部分。根据每一个部分中含有的 文字黑像素的多少分为四级编码(0,1,2,3)。 • 四边码特征对文字的断线有较强的适应性。
噪声对位置归一化的影响
质心归一化
ຫໍສະໝຸດ Baidu原始图像
干扰图像
外框归一化
9.2.2 大小归一化
• 对不同大小的文字做变换，使之成为同 一尺寸大小的文字，这个过程被称做大 小归一化。通过大小归一化，许多特征 就能够用于识别不同字号混排的文字
大小归一化的两种方法
• 一种是将文字的外边框按比例线性放大 或缩小成为规定尺寸的文字。 • 另一种是根据水平和垂直两个方向文字 黑像素的分布（方差）进行大小归一化。
单体和多体印刷汉字识别
• 不同字体的同一汉字的结构约80%相同，但书写风格、 笔划粗细形状，笔划装饰等有一定差异，主要表现在： （1）笔划装饰及方向角度不同 （2）笔划长短、位置有变化 （3）笔划形态变化 （4）笔划关系变化 （5）偏旁部首占方块字的比例、位置、形态不同
高品质与低品质印刷汉字识别
第九章 印刷体汉字识别中的特征提取
8.1 汉字识别简述
• 汉字识别属于文字识别的内容，文字识 别是模式识别的重要应用领域。 • 应用：手写输入，OCR，盲人阅读机等。
汉字识别的分类
1. 印刷体汉字识别 • 从字体上：单体印刷汉字识别 和 多体印刷汉字识别 • 从品质上： 高品质印刷汉字识别 和 低品质印刷汉字 识别 • 从应用范围上：专用印刷汉字识别 和 通用印刷汉字 识别 2. 手写体汉字识别： • 联机手写体识别 • 脱机手写体识别
9.3.6 包含配选法
• 许多汉字具有相同的偏旁部首，包含配 选法就是利用这一点对汉字分类。 • 分类用的模板是汉字偏旁部首的骨架图 形。分类时，将输入文字和各标准模板 做“与”运算。
• 根据未知输入文字图像和分类用标准模 板图像“与”的结果是否相同于该标准 图像，可以判断出未知文字属于哪一类。
9.3.3 粗网格特征
• 把加框p×q点阵文字分割成n×n份，n通 常取8，取每份中黑像素数对整个文字黑 像素数的比例，将所有n×n值排成一列 形成 n 2维特征向量。
• 粗网格特征体现了文字整体形状的分布， 但该特征抗笔划位置干扰的能力差。
9.3.4 笔划密度特征
• 在加框的p×q点阵中，向不同的方向投影，对 文字黑像素的个数做累加计算，并除以文字面 积。通常取水平、垂直、45度和135度四个扫描 方向，每个方向取n个值（通常n=16）作为特征， 形成4n维特征向量。 • 这种从文字四个方向抽取的笔划密度特征叫做四 方向笔划密度特征，它不但对印刷体汉字分类有 较好的效果，对手写印刷体汉字分类也具有价值。
• 一般认为，印刷体汉字要比手写体汉字规范， 因而印刷体汉字识别要容易一些。
• 从一幅复杂版面中切分出印刷单字是一个较困 难的任务。对印刷体汉字能做到低品质、复杂 版面、通用型的识别系统也是很困难的。
9.2 文字的归一化
• 文字被输入到计算机中提取特征前通常 需要把文字做归一化处理。归一化有三 种： • 位置归一化 • 大小归一化 • 笔划粗细归一化
9.2.1 位置归一化
• 为了消除汉字点阵位置上的偏差，需要 把整个汉字点阵图形移动到规定的位置 上，这个过程被称做位置归一化。
位置归一化的两种方法
• 基于质心的位置归一化方法： 首先计算文字的质心，然后再把质心 移动到指定的位置上来。 • 基于文字外边框的位置归一化方法： 首先计算文字的外边框，并找出中心， 然后把文字中心移动到指定的位置上来。
• 影响汉字品质的主要因素有： （1）文字：笔划存在断开、粘连、油墨深浅 不均等
（2）纸张：洁白度、光洁度、薄纸反透等 （3）版面：污点、行高低不齐、文字旋转等
专用与通用汉字识别
（1）通用：书、刊、报、文件、打印、照 排、不同版面、不同字体、字号 （2）专用：如文件、某种打印体
汉字识别的难易分析