[发明专利]一种基于Gabor和SVM纹理提取汉字的方法

权利要求书

1.一种基于Gabor和SVM纹理提取汉字的方法，其特征在于，具体按照以下步骤实施：

步骤1、选取g个训练样本和m个待评价样本；

步骤2、分别对g个训练样本和m个待评价样本字体图像进行灰度化处理，处理后训练样本的图像记为W_b，b＝1，2，...，g，g≥50，待评价样本的图像记为W_t，t＝1，2，...，m，m为待评价样本个数；

步骤3、对Gabor滤波器进行参数设置，得到五个尺度、四个方向共二十个Gabor滤波器图像；

所述步骤3具体为：

对Gabor滤波器进行参数设置，其中，(x，y)表示Gabor滤波器的空间坐标，γ为空间纵横比，γ∈(0，1)，θ为Gabor滤波器旋转角度，σ为高斯标准差，f为空间尺度，为相位偏移，设Gabor核窗口为图像窗口的1/2，由于汉字基本笔画为横、竖、撇、捺，对应Gabor滤波器旋转角度θ的四个方向，所以设θ₁＝0，θ₂＝π/4，θ₃＝π/2，θ₄＝3π/4，已知高斯标准差σ和空间尺度f的关系为σf＝0.56，尺度f的变化公式为f_k＝a^-k*f_max，k＝0，...，4，且已知f_max＝0.22，由此确定五个尺度f_k，k＝0，...，4，由σ和f的关系式σf＝0.56和已经确定的五个尺度f_k，k＝0，...，4能得到对应的五个高斯标准差σ_k，k＝0，...，4，由于相位偏移取值为0，综上确定的参数，能得到五个尺度、四个方向共二十个Gabor滤波器图像，记为G_d，d＝1，2，...，20；

步骤4、将步骤3得到的滤波器图像分别与步骤2得到的灰度化处理后的图像进行卷积；

所述步骤4具体为：

将步骤3得到的二十个Gabor滤波器图像G_d，d＝1，2，...，20与步骤2得到的g个训练样本图像W_b，b＝1，2，...，g，以及m个待评价样本图像W_t，t＝1，2，...，m依次进行卷积，二十个Gabor滤波器图像G_d，d＝1，2，...，20与训练样本图像W_b，b＝1，2，...，g进行卷积如下：

p，q满足条件0≤pMr+Nr-1，0≤qMc+Nc-1，(p，q)为卷积图像每个像素点的坐标，d＝1，2，...，20，Mr、Mc分别为训练样本图像W_b，b＝1，2，...，g窗口的高和宽，Nr、Nc分别为Gabor滤波器图像G_d的高和宽；

二十个Gabor滤波器图像G_d，d＝1，2，...，20与待评价样本图像W_t，t＝1，2，...，m进行卷积：

d＝1，2，...，20；

p′，q′满足条件0≤p′Mr′ +Nr-1，0≤q′Mc′ +Nc-1，(p′，q′)为卷积图像每个像素点的坐标，Mr′、Mc′分别为待评价样本图像W_t，t＝1，2，...，m窗口的高和宽，Nr、Nc分别为Gabor滤波器图像G_d的高和宽；

最终得到所有训练样本字体经二十个Gabor滤波器组卷积后的图像和所有待评价样本字体经二十个Gabor滤波器组卷积后的图像

步骤5、计算步骤4得到的图像的均值和方差，将计算结果组成特征向量；

所述步骤5具体为：

步骤(5.1)、根据步骤4得到的训练样本字体的卷积后图像和待评价样本字体的卷积后图像计算训练样本字体卷积后图像的均值和方差

步骤(5.2)、计算待评价样本字体卷积后图像的均值和方差

步骤(5.3)、将训练样本字体卷积后图像的均值和方差首尾相连组成四十维的特征向量前二十个存放均值，后二十个存放方差，最终得到训练样本字体特征向量同理将待评价样本字体卷积后图像的均值和方差首尾相连组成四十维的特征向量前二十个存放均值，后二十个存放方差，最终得到待评价样本字体特征向量为

步骤6、根据训练样本预测待评价样本；

步骤7、根据步骤6的预测结果，如果当前书法字体预测结果为优秀的则保留，否则淘汰。