【CPP114】訊：識別方法是整個系統(tǒng)的核心,。用于漢字識別的模式識別方法可以大致分為結(jié)構(gòu)模式識別,、統(tǒng)計模式識別及兩者的結(jié)合。下面分別進行介紹,。

　　結(jié)構(gòu)模式識別

　　漢字是一種特殊的模式,，其結(jié)構(gòu)雖然比較復雜，但具有相當嚴格的規(guī)律性,。換言之,，漢字圖形含有豐富的結(jié)構(gòu)信息，可以設(shè)法提取含有這種信息的結(jié)構(gòu)特征及其組字規(guī)律,，作為識別漢字的依據(jù),，這就是結(jié)構(gòu)模式識別。

　　結(jié)構(gòu)模式識別是早期漢字識別研究的主要方法,。其主要出發(fā)點是漢字的組成結(jié)構(gòu),。從漢字的構(gòu)成上講，漢字是由筆劃(點橫豎撇捺等),、偏旁部首構(gòu)成的,；還可以認為漢字是由更小的結(jié)構(gòu)基元構(gòu)成的。由這些結(jié)構(gòu)基元及其相互關(guān)系完全可以精確地對漢字加以描述,，就像一篇文章由單字,、詞,、短語和句子按語法規(guī)律所組成一樣。所以這種方法也叫句法模式識別,。識別時,，利用上述結(jié)構(gòu)信息及句法分析的方法進行識別，類似一個邏輯推理器,。

　　用這種方法來描述漢字字形結(jié)構(gòu)在理論上是比較恰當?shù)�,，其主要�?yōu)點在于對字體變化的適應(yīng)性強，區(qū)分相似字能力強,；但是,，在實際應(yīng)用中，面臨的主要問題是抗干擾能力差,，因為在實際得到的文本圖象中存在著各種干擾,，如傾斜，扭曲,，斷裂,，粘連，紙張上的污點,，對比度差等等,。這些因素直接影響到結(jié)構(gòu)基元的提取，假如結(jié)構(gòu)基元不能準確地得到,，后面的推理過程就成了無源之水,。此外結(jié)構(gòu)模式識別的描述比較復雜，匹配過程的復雜度因而也較高,。所以在印刷體漢字識別領(lǐng)域中,，純結(jié)構(gòu)模式識別方法已經(jīng)逐漸衰落，句法識別的方法正日益受到挑戰(zhàn),。

　　統(tǒng)計模式識別

　　統(tǒng)計決策論發(fā)展較早，理論也較成熟,。其要點是提取待識別模式的的一組統(tǒng)計特征,，然后按照一定準則所確定的決策函數(shù)進行分類判決。

　　漢字的統(tǒng)計模式識別是將字符點陣看作一個整體,，其所用的特征是從這個整體上經(jīng)過大量的統(tǒng)計而得到的,。統(tǒng)計特征的特點是抗干擾性強，匹配與分類的算法簡單,，易于實現(xiàn),。不足之處在于細分能力較弱，區(qū)分相似字的能力差一些,。常見的統(tǒng)計模式識別方法有：

　　(1) 模板匹配,。模板匹配并不需要特征提取過程,。字符的圖象直接作為特征，與字典中的模板相比,，相似度最高的模板類即為識別結(jié)果,。這種方法簡單易行，可以并行處理,；但是一個模板只能識別同樣大小,、同種字體的字符，對于傾斜,、筆劃變粗變細均無良好的適應(yīng)能力,。

　　(2)利用變換特征的方法。對字符圖象進行二進制變換(如Walsh, Hardama變換)或更復雜的變換(如Karhunen-Loeve, Fourier,Cosine,，Slant變換等),，變換后的特征的維數(shù)大大降低。但是這些變換不是旋轉(zhuǎn)不變的,，因此對于傾斜變形的字符的識別會有較大的偏差,。二進制變換的計算雖然簡單，但變換后的特征沒有明顯的物理意義,。K-L變換雖然從最小均方誤差角度來說是最佳的,，但是運算量太大，難以實用,�,？傊�，變換特征的運算復雜度較高,。

　　(3)投影直方圖法,。利用字符圖象在水平及垂直方向的投影作為特征。該方法對傾斜旋轉(zhuǎn)非常敏感,，細分能力差,。

　　(4)幾何矩(Geometric Moment)特征。M. K. Hu提出利用矩不變量作為特征的想法,，引起了研究矩的熱潮,。研究人員又確定了數(shù)十個移不變、比例不變的矩,。我們都希望找到穩(wěn)定可靠的,、對各種干擾適應(yīng)能力很強的特征，在幾何矩方面的研究正反映了這一愿望,。以上所涉及到的幾何矩均在線性變換下保持不變,。但在實際環(huán)境中，很難保證線性變換這一前提條件,。

　　(5)Spline曲線近似與傅立葉描繪子(Fourier Descriptor),。兩種方法都是針對字符圖象輪廓的,。Spline曲線近似是在輪廓上找到曲率大的折點，利用Spline曲線來近似相鄰折點之間的輪廓線,。而傅立葉描繪子則是利用傅立葉函數(shù)模擬封閉的輪廓線,，將傅立葉函數(shù)的各個系數(shù)作為特征的。前者對于旋轉(zhuǎn)很敏感,。后者對于輪廓線不封閉的字符圖象不適用,，因此很難用于筆劃斷裂的字符的識別。

　　(6)筆劃密度特征,。筆劃密度的描述有許多種,，這里采用如下定義：字符圖象某一特定范圍的筆劃密度是在該范圍內(nèi)，以固定掃描次數(shù)沿水平,、垂直或?qū)�角線方向掃描時的穿透次數(shù),。這種特征描述了漢字的各部分筆劃的疏密程度，提供了比較完整的信息,。在圖象質(zhì)量可以保證的情況下,，這種特征相當穩(wěn)定。在脫機手寫體的識別中也經(jīng)常用到這種特征,。但是在字符內(nèi)部筆劃粘連時誤差較大,。

　　(7)外圍特征。漢字的輪廓包含了豐富的特征,，即使在字符內(nèi)部筆劃粘連的情況下,，輪廓部分的信息也還是比較完整的。這種特征非常適合于作為粗分類的特征,。

　　(8)基于微結(jié)構(gòu)特征的方法,。這種方法的出發(fā)點在于，漢字是由筆劃組成的,，而筆劃是由一定方向,，一定位置關(guān)系與長寬比的矩形段組成的。這些矩形段則稱為微結(jié)構(gòu),。利用微結(jié)構(gòu)及微結(jié)構(gòu)之間的關(guān)系組成的特征對漢字進行識別,，尤其是對于多體漢字的識別，獲得了良好的效果,。其不足之處是，在內(nèi)部筆劃粘連時,，微結(jié)構(gòu)的提取會遇到困難,。