基于连体段的印刷维吾尔文特征提取

典型的印刷识别系统由预处理,特征提取,训练模型,识别器组成。本文讨论了基于连体段的印刷维吾尔文特征提取方法。结合维文书写特点提取了:孔洞数,尾点,交叉点,方向码,笔划位置特征,前后景比值等。并利用以上特征进行了印刷维吾尔文的模型训练和识别。

印刷维吾尔文特征提取之方向码

特征提取方法的选择是影响识别率的一个至关重要的因素。而印刷识别中的分类特征很多,让每一类特征具有良好的分类能力和稳定性是仍需要解决的问题。现就以具有高稳定性和抗干扰能力的八方向码特征为例,对其提取方法进行了全面的阐述。

基于联体段的印刷维吾尔文预处理

论文根据维吾尔文的特点和难点,通过分析和研究,实现了维吾尔文印刷体识别技术中的预处理部分。预处理完成的工作有去除噪点、基线评估、倾斜校正、联体段切分、骨架细化等。

一种改进的印刷体维吾尔文投影切分方法

针对印刷体维吾尔文文字识别系统中的文字,尤其是连体段字母的切分这一难点问题,提出一种改进的投影切分方法。采用将基线区域像素点置白(像素点索引值置为255),并对其进行垂直投影,取投影值为0的间隙中间位置作为候选切线位置,根据行高度与空白间隙宽度比的统计数据均值设置阈值,以此消除误切分。实验结果证明,该方法可有效提高连体段切分的正确率。

印刷体维吾尔文字符切分自适应算法

为研究开发维吾尔文摄像头取词翻译系统,解决其中维吾尔文字单词图像切分难题,提出一种印刷体维吾尔文字符自适应切分算法。针对摄像头取词图像特点,准确提取目标单词;利用维吾尔文单词基线以上的主体部分做像素积分投影,从投影结果中自动提取切分阈值;利用该阈值完成字符切分,达到自适应的效果。经过实验验证,该方法切分正确率达到了96%以上,针对不同图像具有较好的适应性,对维吾尔文摄像头取词翻译系统的研究具有促进作用。

基于HOG特征和MLP分类器的印刷体维吾尔文识别方法

针对印刷体维吾尔文的有效识别问题,提出了一种基于梯度方向直方图(HOG)特征和多层感知器(MLP)神经网络的印刷体维吾尔文识别方案。对维吾尔文图像进行预处理,获得去除噪声后的二值化图像。利用水平投影积分对文本执行行切分,利用垂直投影积分方法执行单词切分和字母切分,获得独立的字母。基于HOG方法提取字母的特征。通过训练好的MLP神经网络分类器,根据提取的HOG特征对字母进行识别。实验结果表明,提出的方法能够精确地从图像中识别出维吾尔文字母。

基于滴水算法的印刷体维吾尔文切分方法

为进一步提高印刷体维吾尔文字符的切分准确性,尤其针对每一行内的两个连体段之间(包括两个独写字母之间以及连体段与独写字母之间的情况)存在重叠现象时的切分,现有的方法未能有效地处理该情况,所以针对此问题提出了一种基于改进的滴水算法的切分方法。该方法首先判断两个连体段之间的关系,若存在空白间隙,则选择空白间隙的左右端作为切分点;若存在重叠现象,则选择基线空白间隙的中点作为切分点,然后根据滴落规则对两个连体段进行切分。实验结果表明,该方法能有效提高切分准确率。

基于Django印刷体维吾尔文识别系统的设计与实现

光学字符识别(optical character recognition,OCR)技术在图书数字化、文献管理等诸多领域得到了广泛应用,而相比于已十分成熟的中文、英文印刷体识别系统,小文种(维吾尔文)印刷体识别还有研究空间和实际应用需求。针对传统识别方法特征表示不足等问题,结合日益兴起的深度学习技术,采用Python语言编程,选用经改进的卷积循环神经网络作为识别算法核心,并利用Django设计系统框架。实验表明,印刷体维文识别系统的精度达到95.7%,平均速度达到12.5 fps。该系统实现了端到端的维文整词识别。

印刷体维文切分算法的改进——基于像素积分投影法和连通域搜索法

针对印刷体维文在连体段切分部分存在过切分和漏切分的现象,结合水平投影法和连通域搜索法实现维文文本的行切分和单词切分;同时针对连体段切分正确率不高的问题,提出一种新的切分方法。首先对字母连体段位于基线上方的部分进行竖直投影来寻找所有可能的切点,然后利用阈值判定法去除误切分。实验证明,该方法提高了印刷体维文的切分正确率,为提高维文识别的正确率打下基础。

基于字符归一化双投影互相关性匹配识别算法

针对印刷体维吾尔文文字识别系统中的字符识别正确率较低这一难点问题,采用对字符图像进行横向扫描和纵向扫描生成行和列投影图,结合三级分类,将目标字符与对应分类中的字符的双投影图逐一归一化并进行相关性均值计算的方法,取均值最大的字符作为最佳匹配识别结果,实现了对维文字符的识别。实验证明这种基于字符归一化双投影互相关性匹配识别算法方法抗干扰性强,简单易行,匹配精度高,使得印刷体维吾尔文字字符识别的正确率有了进一步提高。