基于HMM的脱机自由手写英文单词识别系统

摘要

该文首先介绍了近年来HMM在脱机手写英文单词识别中的应用,然后在此基础上,设计并实现了一个脱机自由手写英文单词的识别系统.该系统基于HMM,并采用两级识别加验证方式.以下就是该文的主要工作:1、在预处理阶段,进行了图像的二值化、去噪声、倾斜校正,以及参考线的提取等等.在参考线提取过程中,该文除了利用直方图外,还将它与垂直方向上水平穿透数的变化结合起来,可以相对准确的找到参考线;2、该文使用了两组特征,各组特征都通过滑动窗的方式提取.由于宽度固定的滑动窗对书写风格的依赖性很强,因此,该文根据水平穿透数目动态确定滑动窗的宽度,不仅避免了宽度的经验取值,也在一定程度上克服了书写风格的差异造成的影响;3、在HMM识别阶段,该文采用模糊分割方式,单词模型由字母模型线性连接而成.由于字母本身的宽度不同,该文字母模型的状态数也不完全相同.4、该文的系统采用两级识别加验证的模式,第一级在利用HMM识别的同时,由Viterbi算法回溯得到前三个候选的最佳分割.并将结果送到第二级,与LVQ算法生成的参考点进行匹配验证.然后将两次识别的结果集成,得到最终的输出;为了验证系统的有效性,该文在NIST和Cambridge两套样本库上分别进行了测试,对多书写者和同一书写者这两种典型情况,结果都比较令人满意.

目录

文摘

英文文摘

独创性声明及关于论文使用授权的说明

第一章绪论

1.1模式与模式识别

1.2脱机手写英文单词的识别

1.2.1特征提取

1.2.2分类器设计

1.3脱机手写英文单词识别技术的研究与应用

1.3.1意义

1.3.2应用

1.3.3现状

1.4本文工作概述

1.4.1本文的主要工作

1.4.2内容编排

第二章HMM在脱机自由手写英文单词识别中的应用

2.1 HMM概述

2.1.1 HMM的表示

2.1.2 HMM的三个基本问题

2.1.3 HMM的结构和类型

2.1.4空转移和状态驻留

2.1.5 HMM参数的初始化

2.1.6关于HMM的几个值得注意的问题

2.2 HMM在脱机手写英文单词识别中的应用

2.2.1模型结构

2.2.2模糊分割方式

2.2.3基于明确分割方式

2.2.4 HMM与神经网络的结合

2.3小结

第二章LVQ算法生成验证参考点

3.1 LVQ算法简介

3.2 LVQ算法的基本形式

3.3 LVQ算法初始化

3.3.1参考点的初始化

3.3.2学习系数的初始化

3.4 LVQ算法常见的终止准则

3.5 LVQ算法的变体

3.6识别

3.7测试

3.7.1 MNIST数字样本库

3.7.2单词中分割出来的字母

3.8小结

第四章 一个脱机自由手写英文单词识别系统

4.1系统框架

4.2预处理

4.2.1二值化

4.2.2图像的平滑和去噪

4.2.3倾斜校正

4.2.4参考线的提取

4.3特征提取

4.3.1滑动窗特征提取

4.3.2脱机自由手写单词识别的特征分类

4.3.3常用特征介绍

4.4 HMM训练

4.4.1多组特征集成

4.4.2 HMM连接

4.5识别

4.6实验结果

4.6.1 NIST样本库测试

4.6.2 Cambridge样本库测试

4.6.3模型状态数相同与否对识别率的影响比较

4.7小结

第五章 结论与展望

参考文献

作者简历

致谢