汉字笔迹的笔划提取

论文摘要

在多媒体信息量飞速增长的今天,从包含有汉字信息的图片、视频等媒介中,进行汉字笔迹的自动识别,成为目前研究的热点。笔划提取是汉字笔迹识别的一个重要步骤。由于手写汉字具有字量大、书写风格众多、随意性较大和结构复杂等特点,所以,目前笔划提取还存在许多技术问题,包括汉字分割、细化和笔划提取等问题,需要进一步研究。在对汉字书写的特点以及已有的分割方法进行分析的基础上,设计了用密度聚类来分割汉字的方法。聚类方法以组成汉字的像素点为研究对象,聚类完成后得到的簇就是分割出来的汉字。实验结果表明,用聚类方法可以有效地解决汉字粘连等问题。针对现有的细化算法不能解决细化过程带来的局部结构变形和“伪分支”的问题,对通用细化算法进行了改进,增加了一些排除规则。实验结果表明,在改进后算法的效果要比以前好,能够有效地解决原算法存在的结构变形和伪分支等问题。另外,对轮廓跟踪细化算法作了分析,针对起始点难以确定和跟踪过程复杂的问题,给出了确定跟踪起始点的方法,并解决了跟踪过程中存在的一些问题。实验结果表明,轮廓跟踪细化算法能够克服局部结构的变形和“伪分支”问题。在笔划提取上,通过分析细化后骨架的交叉点与模糊区域的关系,设计了合并交叉点并寻找离交叉点最近距离的轮廓点来检测模糊区域的方法。实验结果表明,该方法能够正确地检测出模糊区域。在检测模糊区域后,分析模糊区域附近的笔划间的关系,合并笔划段,最后提取出笔划。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题背景
• 1.2 国内外概况
• 1.3 课题主要研究工作
• 2 汉字分割方法研究
• 2.1 汉字分割方法分析
• 2.2 基于密度聚类的分割方法的研究与实现
• 2.3 对比分析
• 2.4 小结
• 3 细化方法研究
• 3.1 细化方法分析
• 3.2 改进的通用细化算法
• 3.3 轮廓跟踪细化算法
• 3.4 对比分析
• 3.5 小结
• 4 笔划提取
• 4.1 模糊区域检测
• 4.2 提取笔划
• 4.3 小结
• 5 总结与展望
• 5.1 全文总结
• 5.2 展望
• 致谢
• 参考文献