字符识别方法归纳

字符识别
一、理论
1.结构模式识别：根据字符结构特征进行识别，可用来识别汉字，但
抗干扰能力差。可用来识别少量和简单的字符，如数字。
2.统计模式识别：其要点是提取待识别模式的的一组统计特征，然后
按照一定准则所确定的决策函数进行分类判决。
常见的统计模式识别方法有：
(1) 模板匹配。模板匹配并不需要特征提取过程。字符的图象直
接作为特征，与字典中的模板相比，相似度最高的模板类即为识别结
果。这种方法简单易行，可以并行处理；但是一个模板只能识别同样
大小、同种字体的字符，对于倾斜、笔划变粗变细均无良好的适应能
力。
(2)利用变换特征的方法。对字符图象进行二进制变换(如Walsh,
Hardama变换)或更复杂的变换(如Karhunen-Loeve, Fourier,Cosine，
Slant变换等)，变换后的特征的维数大大降低。但是这些变换不是旋
转不变的，因此对于倾斜变形的字符的识别会有较大的偏差。二进制
变换的计算虽然简单，但变换后的特征没有明显的物理意义。K-L变
换虽然从最小均方误差角度来说是最佳的，但是运算量太大，难以实
用。总之，变换特征的运算复杂度较高。
(3)投影直方图法。利用字符图象在水平及垂直方向的投影作为特
征。该方法对倾斜旋转非常敏感，细分能力差。
(4)几何矩(Geometric Moment)特征。M. K. Hu提出利用矩不变量
作为特征的想法，引起了研究矩的热潮。研究人员又确定了数十个移
不变、比例不变的矩。我们都希望找到稳定可靠的、对各种干扰适应
能力很强的特征，在几何矩方面的研究正反映了这一愿望。以上所涉
及到的几何矩均在线性变换下保持不变。但在实际环境中，很难保证
线性变换这一前提条件。
(5)Spline曲线近似与傅立叶描绘子(Fourier Descriptor)。两种方法都是
针对字符图象轮廓的。Spline曲线近似是在轮廓上找到曲率大的折点，
利用Spline曲线来近似相邻折点之间的轮廓线。而傅立叶描绘子则是
利用傅立叶函数模拟封闭的轮廓线，将傅立叶函数的各个系数作为特
征的。前者对于旋转很敏感。后者对于轮廓线不封闭的字符图象不适
用，因此很难用于笔划断裂的字符的识别。
(6)笔划密度特征。笔划密度的描述有许多种，这里采用如下定义：
字符图象某一特定范围的笔划密度是在该范围内，以固定扫描次数沿
水平、垂直或对角线方向扫描时的穿透次数。这种特征描述了汉字的
各部分笔划的疏密程度，提供了比较完整的信息。在图象质量可以保
证的情况下，这种特征相当稳定。在脱机手写体的识别中也经常用到
这种特征。但是在字符内部笔划粘连时误差较大。
(7)外围特征。汉字的轮廓包含了丰富的特征，即使在字符内部笔
划粘连的情况下，轮廓部分的信息也还是比较完整的。这种特征非常
适合于作为粗分类的特征。
(8)基于微结构特征的方法。这种方法的出发点在于，汉字是由笔
划组成的，而笔划是由一定方向，一定位置关系与长宽比的矩形段组
成的。这些矩形段则称为微结构。利用微结构及微结构之间的关系组
成的特征对汉字进行识别，尤其是对于多体汉字的识别，获得了良好
的效果。其不足之处是，在内部笔划粘连时，微结构的提取会遇到困
难。
(9)特征点特征。早在1957年，Solatron Electronics Group公司发
布了第一个利用窥视孔(peephole)方法的OCR系统。其主要思想是利
用字符点阵中一些有代表性的黑点(笔划)，白点(背景)作为特征来区
分不同的字符。后有人又将这种方法运用到汉字识别中，对其中的黑
点又增加了属性的描述，如端点、折点、交叉点等。也获得了比较好
的效果。其特点是对于内部笔划粘连的字符的识别的适应性较强，直
观性好，但是不易表示为矢量形式，不适合作为粗分类的特征，匹配
难度大。
3.统计识别与结构识别的结合
(1)网格化特征：
字符图象被均匀地或非均匀地划分为若干区域，称之为“网格”。
在每一个网格内寻找各种特征，如笔划点与背景点的比例，交叉点、
笔划端点的个数，细化后的笔划的长度、网格部分的笔划密度等等。
特征的统计以网格为单位，即使个别点的统计有误差也不会造成大的
影响，增强了特征的抗干扰性。这种方法正得到日益广泛的应用。
(2)人工神经网络
人工神经网络(Artificial Neural Network，以下称ANN)是一种模拟
人脑神经元细胞的网络结构，它是由大量简单的基本元件－神经元相
互连接成的自适应非线性动态系统。虽然目前对于人脑神经元的研究
还很不完善，我们无法确定ANN的工作方式是否与人脑神经元的运
作方式相同，但是ANN正在吸引着越来越多的注意力。
二、方法归纳
1.模板匹配
优点，适应大部分识别，算法简单
缺点，不具有旋转不变性、不具有尺度不变性，且运算量较大，速度
慢。
常用的相似度计算方法：
1.平方差；2.互相关；3.相关系数；4.上述三种方法的归一化形式。
Opencv实现方式：matchTemplate(src,template,result,method)
CV_TM_SQDIFF平方差匹配法：该方法采用平方差来进行匹配；最
好的匹配值为0；匹配越差，匹配值越大。
CV_TM_CCORR相关匹配法：该方法采用乘法操作；数值越大表明
匹配程度越好。
CV_TM_CCOEFF相关系数匹配法：1表示完美的匹配；-1表示最差
的匹配。
CV_TM_SQDIFF_NORMED归一化平方差匹配法
CV_TM_CCORR_NORMED归一化相关匹配法
CV_TM_CCOEFF_NORMED归一化相关系数匹配法
调试心得：模版匹配对于特征的识别不明显，对于极小的图像，
不管用哪种相似度计算方法，都无法获得较好的识别效果，这是因为
小的图像由于像素较少，导致相关性被极大缩小，这对于模板匹配的
识别效果产生很大的影响。
2.K-L变换特征提取识别
K-L变换特征识别也叫做主成份分析识别，即PCA识别，是一种通过特征的
线性组合来实现降维的方法。
设X=(X1，X2，…，XN)T为N维随机矢量，mX=E(X)和CX=E{(X－mX)(X－mX)T}
分别为其平均值向量和协方差矩阵，ei和λi 分别为CX的特征向量和对应的特
征值，其中i=1，…，N，并设特征值已按降序排列，即λ1≥λ2≥…≥λN，则
K-L变换式为：
Y=A(X-mx) (1.1)
其中变换矩阵A的行为CX的特征值，即：
式中：eij表示第i个特征向量的第j个分量。 ①Y的均值向量为零向量0。即：
mY=E{Y} =E{A(X-mX)}=0 (1.2)
②K-L变换使矢量信号各分量不相关，即变换域信号的协方差为对角矩阵。
③K-L反变换式为：
X=A-1Y+mX=ATY+mx (1.3)
④K-L变换是在均方误差准则下失真最小的一种变换，故又称作最佳变换。
在K-L变换下，最小均方误差值等于变换域中矢量信号的最小的N－n个方
差的和。特别有意义的是，如果这些分量的均值为零，则在恢复时只要把这些 分
量置零，便可以使均方误差最小。 K-L变换是一维变换，在对图像信号进行变
换时，矢量可以是一幅图像或一幅图像中的子图像。矢量各分量之间的相关性反
映了像素之间的相关性。
经过实验测试，如果在多个样本训练的前提下，可以得到较好的识别效果，
识别成功率高于模板匹配。