[发明专利]一种基于双树复小波变换的脱机手写体汉字认知方法

摘要

本发明公开了一种基于双树复小波变换的脱机手写体汉字认知方法，其特征是按照以下步骤进行：第一步骤是分析脱机手写体汉字笔划的认知需求；第二步骤是构建脱机手写体汉字的初始特征模型；第三步骤是构建脱机手写体汉字的候选子空间；第四步骤是设计脱机手写体汉字的集成分类器模型；第五步骤是对脱机手写体汉字样本的认知结果进行评价并根据评价结果对未认知的脱机手写体汉字进行反复认知。本发明在反馈迭代中构建特定测试样本的优化认知模型，解决了开环无反馈脱机手写体汉字识别系统认知模型固定的缺陷，提高了脱机手写体汉字识别系统的认知精度。

主权项

1.一种基于双树复小波变换的脱机手写体汉字认知方法，其特征是按照以下步骤进行：步骤1、脱机手写体汉字笔划的认知需求分析：步骤1.1、选取规则汉字数据样本库中的n个样本作为训练样本集；m个样本作为测试样本集；所述训练样本集中不同的汉字作为不同类，从而构成不同类别的训练样本子集；步骤1.2、对所述训练样本集中的所有汉字训练样本，确定所有汉字训练样本自身所具有的图像点阵内的笔划边缘点和各笔划边缘点的方向属性值，所述方向属性值包括横、撇、竖、捺四种笔划方向；由所有汉字训练样本的横、竖、撇、捺四种笔划方向上的笔划边缘点构成笔划边缘点集合；步骤1.3、根据所述笔划边缘点集合中横、竖、撇、捺四种笔划方向上笔划边缘点的数量，按照排序规则对四种笔划方向进行排序，从而获得排序后的四种笔划方向，记为Z＝[z1,z2,z3,z4]，以所述排序后的四种笔划方向Z作为训练样本集的认知需求，且第1种笔划方向z1为最大认知需求；步骤2、脱机手写体汉字的初始特征模型构建：步骤2.1、对所有汉字训练样本采用双树复小波变换进行J级双树复小波分解，得到J级高频小波子带，J为正整数；所述J级高频小波子带均具有6种不同方向特性的小波子带；步骤2.2、对J级高频小波子带分别计算均值和方差，从而得到6×J个高频小波子带的统计特征空间，记为Tj,i表示第j级第i个方向的统计特征；并有：Tj,i＝[μj,i,σj,i]，μj,i,σj,i分别为第j级第i个方向高频小波子带的均值和方差；i∈[1,6],j∈[1,J]；步骤2.3、按照笔划方向与统计特征的组合规则，将6×J个高频小波子带的统计特征与四种笔划方向进行对应，得到J级高频小波子带与四种笔划方向相对应的初始特征空间，记为表示第j级第i个方向的初始特征；r∈[1,4]，j∈[1,J]；步骤3、脱机手写体汉字的候选特征子空间构建：步骤3.1、定义变量w，并初始化w＝1；步骤3.2、由所述初始特征空间T中选取所有J级第w种笔划方向zw所对应的初始特征作为第w次反馈认知时所使用的笔划特征空间Aw；步骤3.3、采用序列浮动前向特征选取算法构建所述第w次反馈认知时的笔划特征空间Aw的候选特征子空间；步骤4、脱机手写体汉字的集成分类器设计：步骤4.1、将所述第w次反馈认知时的笔划特征空间Aw的所有候选特征子空间依次作为随机权向量函数连接网络RVFL分类器的输入并进行训练，从而获得第w次反馈认知时的笔划特征空间Aw的全体候选特征子空间的RVFL分类器模型；步骤5、脱机手写体汉字的认知结果评价：步骤5.1、根据所述第w次反馈认知时的笔划特征空间Aw的全体候选特征子空间的RVFL分类器模型对测试样本集中的第t个测试样本进行分类认知，获取第t个测试样本关于第w次反馈认知时的笔划特征空间Aw的全体候选特征子空间的认知结果集合；1≤t≤m；步骤5.2、计算所述认知结果集合中所有认知结果的认知结果信息熵，选取最小认知结果信息熵所对应的认知结果及其对应的候选特征子空间作第t个测试样本关于第w次反馈认知时的笔划特征空间A_w的最优认知结果和最优特征子空间；所述步骤5.2中的认知结果信息熵是按如下步骤获得：步骤5.2.1、根据所述第t个测试样本关于第w次反馈认知时的笔划特征空间A_w的全体候选特征子空间的认知结果集合中第k个候选特征子空间所对应的认知结果，获取第k个候选特征子空间所对应的认知结果的训练样本，记为以及第k个候选特征子空间所对应的认知结果同类别的训练样本子集并有：表示所述训练样本子集中第q个训练样本；1≤q≤Q；步骤5.2.2、获取第w次反馈认知过程中第t个测试样本的第k个候选特征子空间T_t^k、第k个候选特征子空间所对应的认知结果的训练样本的第k个候选特征子空间和所述训练样本子集的第k个候选特征子空间步骤5.2.3、利用式(1)获得第w次反馈认知过程中第t个测试样本关于第w次反馈认知时的笔划特征空间A_w的全体候选特征子空间的认知结果集合中第k个候选特征子空间所对应的认知结果的认知结果信息熵从而获得所有候选特征子空间所对应的认知结果的认知结果信息熵：步骤5.3、若最小认知结果信息熵满足所设定的阈值，则将最优认知结果作为第t个测试样本的最终认知结果；否则，将w+1赋值给w；判断w＞4是否成立，若成立，则将第w‑1次反馈认知时的最优认知结果作为第t个测试样本的最终认知结果；否则，返回步骤3.2执行；步骤5.4、对所述测试样本集中所有m个测试样本按照步骤5.2至步骤5.5进行处理，从而获得所有m个测试样本的最终认知结果集合；以所述最终认知结果集合作为所述测试样本集的认知结果。