多字体多字号印刷体藏文字符识别方法

摘要

多字体多字号印刷体藏文字符识别方法属于字符识别领域，其特征在于，提出了针对属于非方块字的印刷体藏文字符特点的归一化方案：将字符图像以基线，即上平线，为分界点分解成互不交叠的两个子图像，对每个子图像分别采用以重心和边框相结合的位置归一化和基于三次B样条函数插值的大小归一化方法；提取能充分反映藏文字符组成信息的四方向线素特征，利用线性鉴别分析LDA压缩降维后得到紧凑的字符特征向量。采用基于置信度分析的粗、细两级分类策略进行字符类别的判决，粗、细分类器分别采用带偏差的欧氏距离EDD和修正的二次鉴别函数MQDF。本发明在多字体多字号印刷体藏文单字测试集上的识别正确率达到99.83％，对实际文本的识别率也可达99％以上。

主权项

1.多字体多字号印刷体藏文字符识别方法，其特征在于，提出了针对属于非方块字的印刷体藏文字符特点的归一化方案：将字符图像以基线，即上平线，为分界点分解成互不交叠的两个子图像，对每个子图像分别采用以重心和边框相结合的位置归一化和基于三次B样条函数插值的大小归一化方法；提取能充分反映藏文字符组成信息的四方向线素特征，利用线性鉴别分析LDA压缩降维后得到紧凑的字符特征向量；采用基于置信度分析的粗、细两级分类策略进行字符类别的判决，粗、细分类器分别采用带偏差的欧氏距离EDD和修正的二次鉴别函数MQDF；在由图像采集设备和计算机组成的系统中，多字体多字号印刷体藏文字符识别方法依次含有以下步骤：(1)设定：(1.1)本发明处理的藏文字符类别总数c＝592；(1.2)归一化后字符宽度M、高度N；位置归一化参数β；(1.3)提取方向线素特征时，划分的子区域宽度M₀、高度N₀；子区域中各方块的特征向量对整个子区域特征向量的加权系数α_A，α_B，α_C，α_D；(1.4)粗分类器EDD中的参数C为与字符类别无关的常量，设定C＝20；θ_k，γ_k为设定的常量，θ_k＝0.8，γ_k＝2.2，其中k＝1，2，…，592；(1.5)置信度阈值Conf_TH；(2)字符样本的采集通过扫描仪向计算机输入印有多字体多字号藏文字符的文本，利用已有方法进行除噪声、二值化等必要预处理后，将藏文文本进行切分以分离单个字符，对每个字符的图像标定其对应的正确的字符的内码，由此完成用以训练和测试的藏文字符单字样本的采集，建立训练样本数据库；(3)归一化处理，包含字符位置和大小的归一化(3.1)定位单个藏文字符的基线位置设原始字符图像为[F(i，j)]_W×H，其中W为图像宽度，H为图像高度，图像位于第i行第j列的象素点的值为F(i，j)，i＝1，2，…，H，j＝1，2，…，W，计算字符图像的水平投影V(i)，i＝1，2，…，H为： $V\left(i\right)=\underset{j=1}{\overset{W}{\Sigma }}F(i,j),$则基线所在位置的纵坐标值P_I为： $P_I=\arg \underset{i}{\max }(V\left(i\right)-V(i-1)),i=\mathrm{2,3},···,H;$(3.2)以基线为分界点将输入图像分离成两个子图像[F(i，j)]_W×H可以看作两个子图像[F₁(i，j)]_W×H1、[F₂(i，j)]_W×H2的纵向拼接，其中[F₁(i，j)]_W×H1为基线以上部分，即上元音部分；[F₂(i，j)]_W×H2为基线以下部分，两者没有交叠而是纵向组合在一起合成[F(i，j)]_W×H，且H₁+H₂＝H，由P_I和字符顶部的纵坐标的差值可确定出H₁的大小；对应的，归一化后的目标字符图像[G(i，j)]_M×N也可以看作两个子图像[G₁(i，j)]_M×N1、[G₂(i，j)]_M×N2的纵向拼接，其中，M为目标图像的宽度，N为图像高度；[G₁(i，j)]_M×N1为基线以上部分图像，即上元音部分；[G₂(i，j)]_M×N2为基线以下部分；两者也没有交叠而是纵向组合成[G(i，j)]_M×N，且设定N₁＝N/4，N₂＝3N/4；(3.3)位置归一化参考点U_k(u_Ik，u_Jk)，k＝1，2的选择[F_k(i，j)]_W×Hk，k＝1，2重心和外边框中心分别为A_k(a_Ik，a_Jk)，k＝1，2和B_k(B_Ik，b_Jk)，k＝1，2其中 $\left\{\begin{array}{cc}{b}_{\mathrm{Ik}}=H_k/2& \\ b_{\mathrm{Jk}}=W/2& \end{array}\right.,k=\mathrm{1,2},$ $\left\{\begin{array}{c}{a}_{\mathrm{Ik}}=\left(\underset{j=1}{\overset{W}{\Sigma }}\underset{i=1}{\overset{H_k}{\Sigma }}(i·F_k(i,j))\right)/\left(\underset{j=1}{\overset{W}{\Sigma }}\underset{i=1}{\overset{H_k}{\Sigma }}{F}_k(i,j)\right)\\ a_{\mathrm{Jk}}=\left(\underset{i=1}{\overset{H_k}{\Sigma }}\underset{j=1}{\overset{W}{\Sigma }}(j·F_k(i,j))\right)/\left(\underset{i=1}{\overset{H_k}{\Sigma }}\underset{j=1}{\overset{W}{\Sigma }}{F}_k(i,j)\right)\end{array}\right.,k=\mathrm{1,2},$则U_k(U_Ik，U_Jk)，k＝1，2取介于A_k(a_Ik，a_Jk)，k＝1，2与B_k(b_Ik，b_Jk)，k＝1，2之间的一点，即： $\left\{\begin{array}{c}{u}_{\mathrm{Ik}}=\beta {\alpha }_{\mathrm{Ik}}+(1-\beta )b_{\mathrm{Ik}}\\ u_{\mathrm{Jk}}=\beta {\alpha }_{\mathrm{Jk}}+(1-\beta )b_{\mathrm{Jk}}\end{array}\right.,k=1,2,$其中β为常数且0≤β≤1；移动输入图像点阵，使该参考点，位于目标点阵[G_k(i，j)]_M×Nk，k＝1，2的几何中心，从而完成输入字符的位置归一化；(3.4)大小归一化因[F_k(i，j)]_W×Hk，k＝1，2与[G_k(i，j)]_M×Nk，k＝1，2之间的关系为：G_k(i，j)＝F_k(i/r_i，j/r_j)，k＝1，2，其中r_i和r_j分别为i和j方向的尺度变换因子：r_i＝N_k/H_k，r_j＝M/W；采用三次B样条函数进行插值运算；对于给定(i，j)，令： $\left\{\begin{array}{c}p=i/r_i=p_0+{\Delta }_p\\ q=j/r_j=q_0+{\Delta }_q\end{array}\right.,0\le {\Delta }_p,{\Delta }_q<1,$其中： $\left\{\begin{array}{c}{p}_0=\left[p\right],{\Delta }_p=p-p_0\\ q_0=\left[q\right],{\Delta }_q=q-q_0\end{array}\right.,$[·]为取整函数；插值过程可表示为： $G_k(i,j)=F_k(p_0+{\Delta }_p,q_0+{\Delta }_q)=\underset{m=-1}{\overset{2}{\Sigma }}\underset{l=-1}{\overset{2}{\Sigma }}{F}_k(p_0+m,q_0+l)R_B(m-{\Delta }_p)R_B(-(l-{\Delta }_q)),$式中的R_B(z)为三次B样条函数： $R_B\left(z\right)=\frac{1}{6}[{(z+2)}^{3}W(z+2)-4{(z+1)}^{3}W(z+1)+6z^{3}W\left(z\right)-4{(z-1)}^{3}W(z-1)],$其中W(z)为阶跃函数， $W\left(z\right)=\left\{\begin{array}{c}1,z\ge 0\\ 0,z<0\end{array}\right.;$(4)提取藏文字符的四方向线素特征(4.1)字符轮廓提取扫描整个字符点阵，对于某个位置的黑象素，若它的8邻域中的黑象素和背景象素的个数均大于0，则保留该黑象素，否则，将该黑象素设为背景象素；这样，得到归一化后的字符图像[G(i，j)]_M×N的轮廓图像[G′(i，j)]_M×N；(4.2)方向线素特征的形成首先，对于字符轮廓点阵[G′(i，j)]_M×N中的每一个黑象素(i，j)，根据它与相邻的另外两个黑象素的之间的位置关系，赋予它横、竖、撇、捺四种线素，并记为一个4维向量X(i，j)＝(x_v，x_k，x_p，x_o)^T；将整个大小为M×N的字符轮廓图像[G′(i，j)]_M×N均匀划分为个宽度为M₀、高度为N₀的子区域，每个子区域又进一步划分成互相嵌套的、大小依次为(M₀/4)×(N₀/4)、(M₀/2)×(N₀/2)、(3M₀/4)×(3N₀/4)和M₀×N₀的A、B、C、D等4个小方块；每个上小方块的特征向量X_A＝(x_v，x_k，x_p，x_o)^T、X_B＝(x_v，x_k，x_p，x_o)^T、X_C＝(x_v，x_k，x_p，x_o)^T、X_D＝(x_v，x_k，x_p，x_o)^T表示为该方块内所有黑象素特征向量的和： $X_A=\underset{(i,j)\in A}{\Sigma }X(i,j),$ $X_B=\underset{(i,j)\in B}{\Sigma }X(i,j),$ $X_C=\underset{(i,j)\in C}{\Sigma }X(i,j),$ $X_D=\underset{(i,j)\in D}{\Sigma }X(i,j),$整个子区域的方向线素特征向量X_S＝(x_v，x_k，x_p，x_o)^T由该子区域中各方块特征向量的加权和来表示：X_S＝α_AX_A+α_BX_B+α_CX_C+α_DX_D，其中α_A，α_B，α_C，α_D为介于0和1之间的常数；这样，从每个子区域都可以得到一个4维特征向量后，将所有子区域的特征向量按顺序排列在一起组成的表示输入字符的维原始方向线素特征向量；(5)特征变换设藏文字符类别数为c，第ω类字符的训练样本数为O_ω，ω＝1，2，…，c，则对该字符类别的训练样本采用上述方法提取四方向线素特征后，得到特征向量集合为{X₁^ω，X₂^ω，…，X_Oω^ω}，其中X_k^ω(k＝1，2，…，O_ω)是维向量；利用LDA变换对原始特征压缩如下：首先计算每个字符类ω(1≤ω≤c)特征向量的中心μ_ω、所有字符类的特征向量的中心μ、类间散度矩阵S_b和平均类内散度矩阵S_w： ${\mu }_r=\frac{1}{O_{\omega }}\underset{k=1}{\overset{O_{\omega }}{\Sigma }}{X}_k^{\omega },$ $\mu =\frac{1}{c}\underset{\omega }{\overset{c}{\Sigma }}{\mu }_{\omega },$ $S_b=\frac{1}{c}\underset{\omega =1}{\overset{c}{\Sigma }}({\mu }_{\omega }-\mu ){({\mu }_{\omega }-\mu )}^T,$ $S_w=\frac{1}{c}\underset{\omega =1}{\overset{c}{\Sigma }}\frac{1}{O_{\omega }}\underset{k=1}{\overset{O_{\omega }}{\Sigma }}({X_k}^{\omega }-{\mu }_{\omega }){({X_k}^{\omega }-{\mu }_{\omega })}^T,$寻找变换矩阵Φ，使得tr[(Φ^TS_wΦ)^-1(Φ^TS_bΦ)]达到最大，则LDA相应的特征变换为Y＝Φ^TX，这里Y是最具判别性的d维特征；(6)对输入字符所属类别的判断，即对未知类别的字符图像，提取特征，与识别库中已有的数据进行比较，以确定其正确的字符代码；(6.1)设计分类器对由LDA压缩得到的特征向量Y，计算各字符的均值向量 $\overline{Y^{\omega }}(\omega =\mathrm{1,2},···,c)$和各字符的特征向量在每一维上的方差σ_s^ω(ω＝1，2，…，c，s＝1，2，…，d)，d为Y的维数， $\overline{Y^{\omega }}=\frac{1}{O_{\omega }}\underset{k=1}{\overset{O_{\omega }}{\Sigma }}{Y_k}^{\omega },$ ${{\sigma }_s}^{\omega }=\sqrt{\frac{1}{O_{\omega }}\underset{k=1}{\overset{O_{\omega }}{\Sigma }}{({y^{\omega }}_{\mathrm{ks}}-{\overline{y^{\omega }}}_s)}^2},$其中每个藏文字符类别ω(1≤ω≤c)的特征集合为将各字符的鉴别特征均值向量和各维的方差存入鉴别特征数据库文件中，同时将通过实验得到的分类器的参数存入库文件中；(6.2)分类判决对未知类别的输入字符图像，首先进行位置归一化和大小归一化处理，再提取四方向线素特征X，利用LDA线性变换矩阵Φ将原始方向线素特征X变换成Y＝Φ^TX＝(y₁，y₂，…，y_d)^T，d是变换后特征的维数；从库文件中读取所有字符类的均值向量 $\overline{Y^{\omega }}={(\overline{{y_1}^{\omega }},\overline{{y_2}^{\omega }},···\overline{{y_d}^{\omega }})}^T$(ω＝1，2，…，c)和各字符类的各维的方差σ_s^ω(ω＝1，2，…，c，s＝1，2，…，d)，计算Y到的带偏差的欧氏距离 $D(Y,\overline{Y^{\omega }})=\underset{s=1}{\overset{d}{\Sigma }}{\left[t(y_s,\overline{{y^{\omega }}_s})\right]}^2,$其中 $t(y_s,\overline{{y^{\omega }}_s})=\left\{\begin{array}{cc}0,& |y_s-\overline{{y^{\omega }}_s}|<{\theta }_{\omega }·{{\sigma }^{\omega }}_s\\ {\gamma }_{\omega }·{{\sigma }^{\omega }}_s+C,& |y_s-\overline{{y^{\omega }}_s}|>{\gamma }_{\omega }·{{\sigma }^{\omega }}_s;\\ |y_s-\overline{{y^{\omega }}_s}|,& \mathrm{else}\end{array}\right.$将所有经过计算的 $D(Y,\overline{Y^{\omega }}),\omega =\mathrm{1,2},···,c$按照由小到大的顺序重新排序，选出前L(1≤L≤c)个距离及其所代表的字符类别码e_k，k＝1，2，…，L组成粗分类候选集CanSet＝{(e₁，D₁)，(e₂，D₂)…，(e_L，D_L)}，D₁≤D₂≤…≤D_L；计算CanSet中首字符的识别置信度Conf(CanSet) $\mathrm{Conf}\left(\mathrm{CanSet}\right)=\frac{D_2-D_1}{D_1},$若Conf(CanSet)高于一定的阈值Conf_TH，直接将(e₁，D₁)作为输入字符的识别结果输出，即认为输入字符属于e₁所对应的字符类别，且识别距离是D₁；否则，计算Y到CanSet中各内码所对应的字符类别的MQDF鉴别距离 $Q(Y,\overline{Y^{\omega }}),\omega =\mathrm{1,2},···,L:$ $Q(Y,\overline{Y^{\omega }})=\frac{1}{h^2}\{\underset{l=1}{\overset{d}{\Sigma }}{(y_l-\overline{{y^{\omega }}_l})}^2-\underset{l=1}{\overset{K}{\Sigma }}(1-\frac{h^2}{{\lambda }_{\mathrm{\omega l}}}){\left[{(Y-\overline{Y^{\omega }})}^T{\phi }_{\mathrm{\omega l}}\right]}^2\}+\ln \left(h^{2(d-K)}\underset{l=1}{\overset{K}{\Sigma }}{\lambda }_{\mathrm{\omega l}}\right),$若 $Q(Y,\overline{Y^{\tau }})=\underset{1\le \omega \le L}{\min }Q(Y,\overline{Y^{\omega }}),$则该输入字符属于e_τ所对应的字符类别，即 $\tau =\arg \underset{1\le \omega \le L}{\min }Q(Y,\overline{Y^{\omega }}).$