[发明专利]计算机鉴别手写汉字的方法

权利要求书

1.一种计算机鉴别手写汉字的方法，其特征是：包括以下步骤，

a.将手写汉字样本正规化处理大小为64*64；

b.提取手写汉字样本的加权方向码直方图WDCH特征；

c.采用PCA主元分析方法进行特征降维；

d.采用Bootstrp方法抽取T个训练样本集S’；即每个训练样本集S’都是从初始训练集S中有放回地随机选取N个训练样本来组成，其中可以有重复样本，并且保证每个训练样本集的样本替换率为50％，各个训练集之间相互独立；

e.选择单类SVM及相应RBF核进行手写汉字鉴别；用上述T个训练样本集S’分别独立训练生成T个单类SVM分类器Ci，其中T个分类器可以并行训练生成；

对于单类SVM，正样本集X＝{x₁，x₂，...，x_N}，N为样本数，x_i为一个样本；在单类SVM训练过程中，输入为X，输出只包括正类标签；在测试过程中，输出为正类标签时，则输入测试样本鉴别为正类，否则被认为是负类；

f.采用相对多数的投票策略集成T个单类SVM分类器Ci，得到分类器C*；然后对测试样本集Te中的手写汉字样本进行鉴别和评估测试，鉴别结果依据下述公式(5)，

C*(x)=argmaxy∈YΣi:Ci(x)=yI---(5)]]>

实现相对多数投票策略集成；其中x表示测试样本，Ci表示各个单类SVM，y表示利用各个单类SVM鉴别获得的样本类别标签，Y为样本类别标签集合，当C_i(x)＝y成立时I为1，否则为0。

2.根据权利要求1所述的计算机鉴别手写汉字的方法，其特征是：步骤b提取手写汉字样本的加权方向码直方图WDCH特征的提取算法步骤如下：

①对正规化的64*64的字符图像做n次3×3均值滤波，并将得到的灰度图像的灰度值归一化到[-1，1]，均值为0；

②用Sobel算子对归一化后的灰度图像提取梯度，并计算每一点的梯度强度，公式如下：

d_x＝[f(x-1，y-1)+2f(x，y-1)+f(x+1，y-1)]-[f(x-1，y+1)+2f(x，y+1)+f(x+1，y+1)]

                                                                        (1)

d_y＝[f(x+1，y-1)+2f(x+1，y)+f(x+1，y+1)]-[f(x-1，y-1)+2f(x-1，y)+f(x-1，y+1)]

                                                                        (2)

θ(x,y)=arctandydx---(3)]]>

S(x,y)=dx2+dy2---(4)]]>

其中，θ(x，y)和S(x，y)就是点(x，y)的梯度方向和强度；

③将梯度方向量化到32级，间隔为π/16.

④将归一化后的灰度图像均匀分成若干个9×9个区域，并利用5×5的高斯滤波器对每两行和每两列的区域进行滤波，将图像分辨率降到5×5。同时，将32方向级加权降为16级，加权系数为[1，4，6，4，1]；

⑤在低分辨率图像上，对每个区域的每个方向统计像素点个数直方图，就可以得到5×5×16＝400维特征。分辨率的降低会从一定程度上降低特征的精度，但同时也降低了特征对平移和形变的敏感程度。