基于ARM7的自适应单字体多字号识别

论文摘要

嵌入式系统的存储器空间和寻址能力是有限的,采用计算机汉字字库存储和识别机理必将限制嵌入式系统的工作性能。因此,研究基于嵌入式系统的汉字存储与识别改进技术尤为重要。本文在深入探讨目前嵌入式系统的汉字识别技术基础上,根据汉字字库技术中汉字字形变化的原理,提出了单字号存储,可多字号识别的设计新思路,实现了基于单一字体的多字号识别技术,大大节省了嵌入式系统的资源。小波分析和人工神经网络相结合是字符识别领域的研究方向。目前大多数学者利用一维小波变换实现了数字识别、西文字母识别、字体识别车牌识别等,取得了很好的效果,但由于印刷体汉字自身的特点决定了目前以提取汉字图像一维小波变换的低频分量识别汉字的局限性。二维小波在一维小波变换的基础上增加了方向性,本文将二维小波应用于印刷体汉字识别过程,利用脊波变换提取汉字图像横、竖、撇、捺方向的特征向量,并结合BP人工神经网络进行汉字识别取得了很好的效果,这在脊波变换的应用以及汉字识别算法上都是一次创新。同时本文利用神经网络的自学习能力,训练宋体单一字号,实现了宋体所有字号字的汉字识别,节省了系统资源,实现了与本文背景设计的行列加权编码技术识别汉字的交接。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 论文研究的目的及意义
• 1.2 国内外研究现状概述
• 1.3 论文的研究内容及安排
• 第2章 汉字字形及汉字库存储技术研究
• 2.1 汉字字形字库
• 2.1.1 点阵字库
• 2.1.2 矢量轮廓字库
• 2.1.3 曲线轮廓字库
• 2.2 TrueType字形技术
• 2.3 计算机汉字字库的实现方法
• 2.4 本章小结
• 第3章 脊波变换及人工神经网络基本理论
• 3.1 脊波分析基本理论
• 3.1.1 脊波和连续脊波变换
• 3.1.2 离散脊波变换
• 3.2 Radon变换的理论
• 3.3 人工神经网络概述
• 3.4 人工神经网络基本结构与模型
• 3.4.1 人工神经元模型
• 3.4.2 人工神经网络基本结构
• 3.5 误差反向传播网络BP算法
• 3.5.1 BP神经元及BP网络模型
• 3.5.2 BP算法
• 3.6 本章小结
• 第4章 基于脊波变换的汉字笔画特征提取算法
• 4.1 单字体多字号识别设计思路
• 4.1.1 宋体汉字字号判别
• 4.1.2 图像预处理
• 4.1.3 基于脊波变换的汉字笔画特征提取
• 4.1.4 BP网络设计
• 4.2 方案实现
• 4.2.1 预处理
• 4.2.2 基于脊波变换的汉字笔画特征提取
• 4.2.3 BP网络识别
• 4.3 本章小结
• 第5章 实验仿真及结果分析
• 5.1 仿真结果及分析
• 5.1.1 实验结果
• 5.1.2 实验结果分析
• 5.2 与其他汉字特征提取算法性能比较
• 5.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢