[发明专利]多字体多字号的基于彝文字符集的印刷体字符识别方法

摘要

本发明涉及一种多字体多字号的基于彝文字符集的印刷体字符识别方法，以彝文印刷体书本或杂志单页文档为处理对象，首先将该页文档扫描为计算机中的图片文件，对图片文件中的彝文字符和标点符号、英文字母、数字常用字符进行初分割、合并、再分割的字符分割处理后，再对分割得到的每一个单个字符提取其基于周边方向贡献度的高维特征，然后用特征压缩转换矩阵将高维特征压缩成低维特征，由基于低维特征的字典三级特征匹配完成字符分类判决，再经文档后处理组合还原成计算机文本，并提示该文本中可能识别出错的字符。

主权项

1、一种多字体多字号的基于彝文字符集的印刷体字符识别方法，其特征在于：(1)彝文字体采集：计算机系统首先大量扫描印刷体彝文字符的样本；采用批量处理的方式进行字符切割，建立的训练样本字符库；(2)特征字典的生成：利用采集的训练样本字符库进行基于周边方向贡献度的高维特征提取；由全体训练样本字符的高维特征变换出特征压缩转换矩阵；用该矩阵将全体训练样本字符的高维特征压缩为低维特征；由全体训练样本字符的低维特征集生成特征字典；(3)特征字典的验证：将全体训练样本字符进行基于周边方向贡献度的高维特征提取；用特征压缩转换矩阵将全体训练样本字符的高维特征压缩为低维特征；将全体训练样本字符低维特征分别与特征字典进行三级匹配识别完成字符分类判决，由文件识别统计报告和字符识别统计报告验证该特征字典，并提供字典修正的依据；(4)彝文文档识别：以彝文印刷体书本或杂志单页文档为处理对象，首先将该页文档扫描为计算机中的图片文件，对图片文件中的彝文字符和标点符号、英文字母、数字常用字符进行初分割、合并、再分割的字符分割处理后，再对分割得到的每一个单个字符提取其基于周边方向贡献度的高维特征，然后用特征压缩转换矩阵将高维特征压缩成低维特征，由基于低维特征的字典三级特征匹配完成字符分类判决，再经文档后处理组合还原成计算机文本，并提示该文本中可能识别出错的字符。