1.一种残缺汉字识别方法,其特征在于,具体包括以下步骤:
Step0:提取汉字特征并建立汉字特征数据库,根据15×16像素中文点阵字库,将点阵按照从左至右、从上至下的规则划分为40个2×3像素的小矩阵,记2×3像素小矩阵中汉字所占像素数为pi,i∈[1,40],观察所有pi,i∈[1,40]并生成该汉字所对应的汉字特征向量{p1,p2,…,p40},且将所有汉字及生成的汉字特征向量存入数据库,组建汉字特征数据库P:{P1,P2,…,PN};
Step1:利用扫描技术及汉字形状特征,从汉字载体中提取出待检测残缺汉字X的图片,将图片以15:16的比例剪切至待检测残缺汉字X尽可能铺满图片为止,但要将其残缺汉字重心处于图片的中心,并留取合适的边距,生成待检测残缺汉字X的扫描图片Step2:将待检测残缺汉字X的扫描图片 进行灰度化及二值化,将其按比例切割为15×
16像素点所组成的矩阵形式,对每个像素点进行归一化,并以此规则生成待检测残缺汉字X的15×16像素点阵形式;
Step3:将待检测残缺汉字X的15×16像素点阵,按照从左至右、从上至下的规则划分为
40个2×3像素的小矩阵,记2×3像素小矩阵中残缺汉字所占像素数为pi,i∈[1,40],观察所有pi,i∈[1,40]并生成待检测残缺汉字X所对应的汉字特征向量X:{x1,x2,…,x40};
Step4:将待检测残缺汉字X的汉字特征向量X:{x1,x2,…,x40},以及汉字特征数据库P中的汉字特征向量Pi:{p1,p2,…,p40},i∈[1,N]作为输入,由余弦定理计算公式(1)求得待检测残缺汉字X、目标汉字Pi之间基于余弦定理的字形相似度Sim1(X,Pi);
Step5:将待检测残缺汉字X的汉字特征向量X:{x1,x2,…,x40},以及汉字特征数据库P中的汉字特征向量Pi:{p1,p2,…,p40},i∈[1,N]作为输入,定义归一化参数δ,由欧氏距离计算公式(2)求得待检测残缺汉字X、目标汉字Pi之间基于欧氏距离的字形相似度Sim2(X,Pi);
Step6:设Step4、Step5步骤所计算出的相似度对应权值分别为α、β,权值α、β满足α+β=
1的要求,由字形相似度Sim1(X,Pi)及权值α、字形相似度Sim2(X,Pi)及权值β,由相似度融合算法,即公式(3)计算出待检测残缺汉字X、目标汉字Pi之间的最终字形相似度Sim(X,Pi);
Sim(X,Pi)=Sim1(X,Pi)·α+Sim2(X,Pi)·β (3)
Step7:遍历汉字特征数据库P,对数据库中每个汉字Pi,i∈[1,N]都经Step4、Step5、Step6步骤,计算其与待检测残缺汉字X之间的字形相似度Sim(X,Pi),定义相似阈值θ,如果满足公式:Sim(X,Pi)≥θ的要求则将该汉字添加至相似字集合,最终导出待检测残缺汉字X的相似字集合S:{S1,S2,…,SM},其中M是与待检测残缺汉字X相似的汉字个数。
2.根据权利要求1所述的残缺汉字识别方法,其特征在于:所述步骤Step0和Step3中,2×3像素小矩阵中汉字所占像素数pi,i∈[1,40]应满足公式:0≤pi≤6,i∈[1,40]的要求。
3.根据权利要求1所述的残缺汉字识别方法,其特征在于:所述步骤Step2中,若待检测残缺汉字为彩色,则先其进行灰度化和二值化处理,然后再进行归一化处理;归一化的规则是指每个像素点中若存在该汉字的笔画部件,则以黑点填充,否则不予处理,既空白。
4.根据权利要求1所述的残缺汉字识别方法,其特征在于:所述步骤Step5中,归一化参数δ取正整数。
5.根据权利要求1所述的残缺汉字识别方法,其特征在于:所述步骤Step4中得到的基于余弦定理的字形相似度Sim1(X,Pi)、所述步骤Step5中得到的基于欧氏距离的字形相似度Sim2(X,Pi)、所述步骤Step6中得到的最终字形相似度Sim(X,Pi)应满足公式:0≤Sim1(X,Pi),Sim2(X,Pi),Sim(X,Pi)≤1的要求,即字形相似度Sim1(X,Pi)、Sim2(X,Pi)、Sim(X,Pi)以一个[0,1]之间的数值反映待检测汉字X、目标汉字Pi之间的相似程度,且数值越大表示相似程度越高。
6.根据权利要求1所述的残缺汉字识别方法,其特征在于:所述步骤Step7中,相似阈值θ需满足0≤θ≤1。