[发明专利]计算机鉴别手写汉字的方法

说明书

技术领域

本发明涉及一种基于集成学习算法Bagging和单类SVM的计算机鉴别手写汉字的方法，属于计算机图像处理和字符识别技术领域。

背景技术

随着中国经济的快速发展，越来越多的外国人热衷到中国，汉语逐渐成为热门语言。然而，如何写汉字成为重要而又困难的事情。随着计算机及网络的发展与普及，很多对外汉语专业的教师希望能通过文档扫描的方式，利用模式识别技术来自动评估和指导外国学生的汉字书写。现有多种手写字符分类和识别技术。对于手写字符鉴别，目前大部分技术专注于在线手写字符鉴别和签名验证。这些手写字符鉴别和验证技术根据特征提取方法可以分为两大类：基于变形的方法和基于结构的方法。

但关注一般意义上的手写字符鉴别的研究较少，其原因主要包括：手写字符鉴别本身是个很困难的任务；手写字符鉴别需要很多细节而琐碎的技术，比如要处理许多非常相似的结构、笔画和书写风格等；另外，一般意义上的手写字符识别总是要应对大类别数的问题，尤其是汉字。因此手写汉字鉴别面临巨大挑战。

发明内容

本发明所要解决的技术问题是，提供一种可对手写汉字进行自动评估和指导、汉字识别准确率高的计算机鉴别手写汉字的方法。

本发明计算机鉴别手写汉字的方法包括以下步骤：

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；

加权方向码直方图特征利用了图像中的所有像素点的信息，而且将各个点的方向属性量化到16级，大大增加特征提取的精度。其特征提取算法的步骤如下：

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；