《基于整体特征的数字笔记中多通道信息融合方法》由会员分享，可在线阅读，更多相关《基于整体特征的数字笔记中多通道信息融合方法（7页珍藏版）》请在金锄头文库上搜索。
1、基于多层次信息的连续手写中文的自适应分割方法Adaptive Character Extraction from Continuous Handwriting Chinese TextBased on Multilevel Con strains张习文，高秀娟，戴国忠Zhang Xi wen, Gao Xiujuam Dai Guozhong中国科学院软件研究所，人机交互技术与智能信息处理实验室，北京，100080Laboratory of Human-Computer Interaction and In telligent In formation Processing,Institute
2、 of Software, the Chinese Academy of Sciences, Beijing 100080摘要：单字提取是连续手写中文识别的前提。本文给出了一种基于多层次信息的白适应单字提取方法。以 候选单字个数与字宽度方差之比为处理满意度。以行笔划为处理单元，先根据候选单字最小包闌矩形的水 平间距构惣多层次树表示，然厉对最满意层中的每个候选单字进行多层次分析和自适应处理。如果候选单 字的宽度大于或小于字宽度的较大值或较小值，则遍历其下层子节点或上层父节点，进行候选单字的分裂 或合并，选择提高满意度的候选单字,同吋更新字宽度阈值。测试结果表明该方法对连续手写中文具有较 好的分割
3、效果。Abstract It is prerequisite to extract character from the continuous handwriting Chinese text for its recognition. The paper proposes a novel approach to adaptively extracting character from the continuous handwriting Chinese text based on multilevel constrains. It aims to extract more characters
4、 with smaller character width standard deviation. The segmentation is feed into strokes by line A tree is constructed to represent the multilevel combination of a line of strokes according to gaps between strokes or candidate characters The candidate characters shared the same level, with the most s
5、atisfactory candidate characters, are refined to be merged or split under constrains of candidate characters of their lower levels or upper levels in the stroke tree If one candidate character width exceeds or is less than the bigger character width threshold or the smaller one, the candidate charac
6、ter will be split or merged. The candidate characters are identified as the correct ones if they increase the satisfaction of the segmentation result. The character width thresholds are updated together with character extraction Many applications show that the approach is effective and robust for ch
7、aracter extraction from continuous handwriting Chinese text.关键词：连续手写中文，单字提取，树表示Keywords continuous handwriting Chinese text, character extraction, tree representation中图法分类号：TP391作者简介：张习文，生于1971年，男，辽宁人连人，副研究员，主要研究方向为连续手写中文处理、多通道融合、 模式识别等。通讯地址：北京市海淀区中关村南四街四号，中科院软件所人机交互技术与智能信息处理实验室4号 楼305室邮编:100080联系电话
8、：010-62540434E-mail： zxwiel 高秀妲，生于1977年，女，河北遵化人，实习研究员，主要研究方向为笔交互、模式识别、人工智能 等。戴国忠，生于1944年，男，江苏无锡人，研究员，I専士生导师，主要研究领域为人机交互技术，计算 机图形学等。1引言就文本输入计算机而言，手写输入比键盘输入更符合人的纸笔写作习惯，更能保证自然、流畅的连续 书写方式。电子笔等手写设备日趋成熟，12经积累了大量亟待识别的手写字符。单字提取是连续手写中 文识别不可逾越的必要前提。根据错谋提取的单字并不能够获得正确的单字识别结果。单字识别错谋可以 通过识别结果上下文处理2引得以自动校正，却无法修正单字
9、提取错谋。因此，为了获得更好的连续手写 中文识别，单字提取必须具有很高的正确率。汉字可以分解为偏旁部首，而偏旁部首乂可以分解为笔划。在构成偏旁部首吋，笔划具有多种组成关 系，例如，孤立关系，交叉关系，相交关系，相连关系等。在构成汉字时，偏旁部首也有多种组成关系， 例如，上下关系，上中下关系，左右关系，左中右关系，半包围关系，全包囤关系等。在手写汉字中，笔 划、偏旁部首存在一定的随意性，字宽度和字间距都会有所变化，单字的笔划、偏旁部首对能离得较远， 而邻接汉字则可能离得较近。中文不仅包括复杂的汉字，还包括标点、符号、数字、字母、单词等。这些 都给手写中文分割带來了很大困难。现有单字提取方法对笔划
10、多层次信息的利用还远远不够，使得处理结果难尽人意。一行笔划在字宽度、 字间距上分别具有较高的一致性。因此，本文以行笔划为处理单元。行笔划可以根据候选单字间距构建多 层次的树表示，单字提収与同层邻接候选单字、上下层相关候选单字都有关联。笔划树为单字提収提供了 多层次信息。因而，针对连续手写中文分割，本文提出了一种基于多层次信息的自适应单字提取方法。2相关工作回顾连续手写中文是由手写笔划组成的。一个手写笔划可能包含多个汉字笔划。手写笔划是指手写笔从落 下到抬起所记录的点坐标和其它信息。同汉字相比，标点、符号、数字、字母包含很少的笔划，结构简单。 日文、朝鲜文虽然与汉字有较多相似Z处，都是多笔划结构
11、，但数量较少，结构较简单。根据利用的信息, 现有单字提取方法（包括汉字、日文、朝鲜文、单词、字母、数字等）可以分为三种：（1）基于候选单字间距的方法C. Hong等先采用若T字间距阈值进行连续手写中文分割，获得多个分割结果，然厉根据字间距方 差从中选取最佳两组结果，在不捉高字间距方差的前提卜，合并邻近的候选单字，分裂较宽的候选单字， 最芾利川识别结果提取单字。候选单字间距是最小包围矩形的水平距离。Lin Yu Tseng等也采用了最小 包围矩形计算字间距，先根据汉字结构知识初步合并笔划，最后利用动态规划方法进一步合并候选单字。 该方法能够处理多数情况卞的重叠、粘连单字，但有时难以正确提取偏旁部
12、首距离较远的单字、离得较近 的邻接单字。赵宇明等也采用了最小包用矩形计算字间距，根据汉字笔划的结构知识逐步合并笔划，从 而提取单个汉字。该方法也可以部分地解决粘连汉字的单字提取问题。厉两种方法设置了较多经验阈值， 例如，字宽度阈值，两个最小包禺矩形重叠部分与较小最小包围矩形面积之比的阈值，因而白适应性较低。（2）基于候选单字吋间间隔和空间距离融合信息的方法Patrick Chiu等为构建多行笔划的多层次树表示提出了笔划距离，它融合了笔划的时间间隔和空间距 离（包括x、y两个方向的距离）。该方法逐步合并距离最近的候选单字，形成树的不同层。该文处理日文 和数字，只是给出了笔划的树表示，却没有涉及如
13、何从中H动提取单字（数字、日文）。（3）基于识别结果的方法C. Hong等先根据候选单字间距提取单字，然后再加上候选单字识别结果构建候选单字网格，最后 根据候选单字识别得分、语言模型得分从候选单字网格中搜索最佳路径，获取单字提取结杲。该文并没有 给出语言模型得分计算方法和候选单字搜索方法。上述第三种方法在单字提収中引入了候选单字识别结果信息，利用了候选单字识别得分和语言模型得 分，而这要求识别器、语言模型具有很高的性能，单字识别错i吴、句子理解i吴差都会造成单字提取错i吴。 该方法虽然利用了多个层次信息进行单字提取，但并不充分，只是构建了五个层次，对自适应性考虑得也 较少。其余方法只是利用了单
14、层次信息进行单字提取。由于汉字结构的复杂性、中文手写的随意性，仅根据单层次信息难以判定单字提取结果的正误，还必 须综合多层次信息。因此，本文提出了基于多层次信息的白适应单字提取方法。在单字提取中，将行笔划 构建为多层次树表示，单字提収不仅与同层邻接候选单字有关，而且与上下层相关候选单字也有关，从而 较大地提高了单字提取的正确率。3基于候选单字间距构建行笔划的多层次树表示时间上较近的笔划在空间上也较近。而空间上较近的笔划在时间上不一定较近。单字是要求其笔划在 空间上较近的，而不必是吋间上较近n但笔划空间较近则隐含了时间较近。因此，本文只利用候选单字空 间间距进行单字提取。如果某个笔划与下一个笔划
15、的水平间距很人，接近于已有笔划的宽度，则该笔划为当前行的最片一个 笔划，从而可以提取该行笔划。构建行笔划树表示是根据候选单字问距进行的。根据单字的空I可表示方法，单字(笔划)间距计算方 法可以分为4种凶：(1)单字最小包围矩形之间的水平距离DHr, (2)单字凸包之间的距离纽，(3) 单字笔划之间的水平距离DHstr, (4)单字笔划之间的距离册。本文根据候选单字最小包囤矩形的水平 间距构建行笔划的树表示，该间距具有较好的单字提収效果，3.2节给出了选择依据。3.1构建行笔划的树表示笔划树的初始层是由笔划构成的，是树的叶子节点。笔划树是白下而上构建的。笔划树的新一层是根 据最高层的最小字间距构
16、疑的。合并字间距不大于Gn的邻接候选单字，生成笔划树的新节点，形成 笔划树的新-层。重复上述过程，直到最高层只有一个候选单字为止。该算法的具体步骤如下所示。步骤1.每个笔划作为一个候选单字，构建笔划树的初始层。步骤2.如果笔划树址高层只有一个候选单字，则转到步骤7。步骤3.计算笔划树最高层的最小字间距Gmin。步骤4.収出笔划树最高层的候选单字i,以候选单字i生成笔划树节点Nj, Nj的层索引为笔划树的总层数。步骤5. While( N,+与M的字间距不大于Gmill)Nj+合并进N/,增加N/的子节点索引，并设定该子节点的父节点索引。i=i+l 0)步骤6.返冋步骤3。步骤7.结束行笔划树表示的构建。图l.a为一行连续手写中文，包括汉字、标点。图l.b为该行笔划的多层次树表示。a 一行连续手写中
