藏文手寫(xiě)識(shí)別樣本預(yù)處理

付吉

（西北民族大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院 甘肅蘭州 730030）

藏文手寫(xiě)識(shí)別樣本預(yù)處理

付吉

（西北民族大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院 甘肅蘭州 730030）

藏文圖像處理技術(shù)在藏語(yǔ)字符識(shí)別過(guò)程中占有重要的地位，本文研究了幾種藏文圖像預(yù)處理算法。針對(duì)手寫(xiě)藏文樣本的歸一化進(jìn)行了深入研究，并得到了實(shí)驗(yàn)結(jié)果。這些結(jié)果表明這些處理是有效的，能為藏文的手寫(xiě)識(shí)別提供有力的支持。

圖像預(yù)處理；歸一化；藏文手寫(xiě)識(shí)別

1 引言

1997年，國(guó)家質(zhì)量技術(shù)監(jiān)督局設(shè)計(jì)和規(guī)定了信息系統(tǒng)字型并發(fā)布了標(biāo)準(zhǔn)《信息技術(shù)信息交換用藏文編碼字符集基本集》[1]，從此，藏文字符的識(shí)別拉開(kāi)了序幕，1999年，西北民族大學(xué)對(duì)藏文基本字符用投影法從垂直、水平、兩對(duì)角線四個(gè)方向五個(gè)子特征進(jìn)行研究，并給出了特征抽取、模式匹配、字符分類(lèi)的算法[2]。2003年，王華和丁曉青提出了一種基于統(tǒng)計(jì)模式識(shí)別的多字體印刷藏文字符識(shí)別方法[3]。2006～2011年，西北民族大學(xué)在藏文聯(lián)機(jī)手寫(xiě)識(shí)別的研究方面取得系列成果[4～6]從聯(lián)機(jī)手寫(xiě)藏文字符預(yù)處理、特征提取、特征壓縮、分類(lèi)器設(shè)計(jì)到最后的音節(jié)聯(lián)想等，提出了一整套的聯(lián)機(jī)手寫(xiě)藏文字丁的識(shí)別方法，完成了562個(gè)現(xiàn)代藏文的聯(lián)機(jī)手寫(xiě)識(shí)別系統(tǒng)。對(duì)聯(lián)機(jī)手寫(xiě)梵音藏文識(shí)別研究而言，目前還沒(méi)有這方面的深入的研究報(bào)道，可以將聯(lián)機(jī)手寫(xiě)梵音藏文識(shí)別系統(tǒng)劃分成以下幾項(xiàng)工作：藏語(yǔ)文字的獲取，圖像去燥，二值化，歸一化，特征提取，梵音藏文的識(shí)別。梵音藏文樣本采集和預(yù)處理是聯(lián)機(jī)手寫(xiě)梵音藏文識(shí)別的基礎(chǔ)，因此我們提出“梵音藏文樣本采集和預(yù)處理”，希望通過(guò)梵音藏文樣本采集和預(yù)處理的研究為進(jìn)一步的研究聯(lián)機(jī)手寫(xiě)梵音藏文識(shí)別奠定基礎(chǔ)。

2 聯(lián)機(jī)手寫(xiě)梵音藏文樣本預(yù)處理

2.1 手寫(xiě)體梵音藏文樣本灰度化

聯(lián)機(jī)手寫(xiě)樣本采集到的數(shù)據(jù)在計(jì)算機(jī)中是一幅真彩色的圖像。針對(duì)文字識(shí)別主要關(guān)心手寫(xiě)筆畫(huà)，顏色并不重要。因此，要對(duì)樣本圖像做灰度化處理。從另一方面講，真彩色圖像的數(shù)據(jù)量是灰度圖像的三倍，圖像灰度化后可以提高效率。圖像灰度化主要有四種算法：取分量法、取最大值法、平均值法和加權(quán)平均法等，其中最常用的是后兩種算法。對(duì)這幾種算法我們都做了嘗試。

2.2 手寫(xiě)體梵音藏文樣本二值化

圖像經(jīng)過(guò)灰度化處理后每個(gè)像素有256個(gè)灰度級(jí)。但是這些灰度級(jí)對(duì)筆畫(huà)結(jié)構(gòu)沒(méi)有太大用途，因此可以對(duì)樣本圖像進(jìn)一步簡(jiǎn)化，圖像二值化。該算法是將圖像按照相應(yīng)的規(guī)則劃分成兩種顏色。對(duì)藏文手寫(xiě)樣本圖像二值化的基本要求是既要讓筆畫(huà)中不要出現(xiàn)空白點(diǎn)又要保持原來(lái)的結(jié)構(gòu)特征。圖像二值化的關(guān)鍵是閾值的選擇。比較成熟的算法有整體閾值二值化、局部閾值二值化和動(dòng)態(tài)閾值二值化法。整體閾值算法可以用下列公式表示：

式中：h（x，y）表示點(diǎn)（x，y）二值化后的灰度值，f（x，y）表示灰度圖像的點(diǎn)（x，y）的灰度值。這種算法簡(jiǎn)單，而且速度是最快的，但是它不能根據(jù)每個(gè)藏文字符樣本來(lái)選擇最佳的閾值。當(dāng)樣本圖像清晰，輪廓明顯，選這種算法比較好。圖1中（a）表示為灰度圖像，（b）為二值化后的圖像。

針對(duì)全局閾值二值化的不足，有人提出了一種灰度直方圖確定閾值方法。由于手寫(xiě)識(shí)別樣本圖像的背景是白色的而筆畫(huà)的顏色接近于黑色中間的灰度值比較少，決定其直方圖基本上呈現(xiàn)出來(lái)個(gè)比較大的波峰，所以當(dāng)把閾值選在兩個(gè)大波峰中間的波谷的為閾值時(shí)二值化的效果會(huì)更好。圖2中（a）為字符樣本圖像的灰度圖像，（b）為二值化圖像。

2.3 手寫(xiě)體梵音藏文樣本平滑

平滑的目的在于去除孤立的噪音點(diǎn)，填充手寫(xiě)體藏文字符邊界小凹陷或刪除其中小的凸起。平滑算法有中值濾波、均值濾波等。

中值濾波方法基本思想用圖像像素點(diǎn)領(lǐng)域灰度值的中值來(lái)代替該像素點(diǎn)的灰度值。中值濾波可以用（2）式表示：

圖1 圖像灰度化

圖2 圖像二值化

式中：f（m，n）為設(shè)定模板區(qū)域的像素值，模板大小可以為3×3或5×5。均值濾波是指在圖像上對(duì)目標(biāo)像素給一個(gè)模板，該模板包括了其周?chē)呐R近像素再用模板中的全體像素的平均值來(lái)代替原來(lái)像素值，（3）式是均值濾波的算法：

式中：f（m，n）是模板區(qū)s域的像素值，同樣模板大小可為3×3或5×5。圖3展示了手寫(xiě)藏文字符樣本平滑效果，其中（a）表示平滑處理之前的圖像，（b）為平滑處理之后的圖像。

圖3 平滑前后對(duì)比圖像

圖4 歸一化前后對(duì)比圖像

圖5 傾斜化矯正前后對(duì)比圖像

2.4 手寫(xiě)體梵音藏文樣本歸一化處理

歸一化是手寫(xiě)體梵音藏文樣本預(yù)處理非常重要的步驟。由于采集的樣本圖像中的字符大小方面存在很大的差異，因此必須進(jìn)行歸一化處理，有利于減少訓(xùn)練時(shí)間，并且能提高是被的準(zhǔn)確率。標(biāo)準(zhǔn)的字符圖像就是把原來(lái)各不相同的字符統(tǒng)一到同一高度和寬度。歸一化有兩種方法，重心歸一化和外框歸一化。本文采用的外框歸一化。該算法首先要找到筆畫(huà)的最左、最右、最上和最下點(diǎn)所在的位置；然后利用這四個(gè)點(diǎn)得到一個(gè)剛好能將手寫(xiě)的字符框住圖像；最后通過(guò)縮放將該圖像縮放到預(yù)先設(shè)定的標(biāo)準(zhǔn)圖像大小。圖4展示了歸一化前于歸一化后的手寫(xiě)藏文樣本圖像的效果。

2.5 手寫(xiě)體梵音藏文樣本傾斜矯正

人們?cè)谑謱?xiě)字符時(shí)不能保證非常的正，往往是有一定的傾斜角度的。如果不對(duì)這些傾斜角度做處理，會(huì)加大訓(xùn)練負(fù)擔(dān)，降低識(shí)別率。可以選用Hough變換算法進(jìn)行傾斜矯正，圖5表示出來(lái)手寫(xiě)藏文字符矯正前后的效果。

3 總結(jié)

手寫(xiě)體藏文識(shí)別不能缺少其預(yù)處理部分。這些工作的好壞決定了最終識(shí)別的效率和正確率。通過(guò)一系列的預(yù)處理，消除圖像中與識(shí)別無(wú)關(guān)的因素，降低了影響識(shí)別效率的因素，而保留了與識(shí)別相關(guān)的最重要的因素。

[1]吳佑壽，丁曉青.漢字識(shí)別：原理、方法與實(shí)現(xiàn)（第一版）[M].北京：高等教育出版社，1992.

[2]王維蘭.藏文基本字符識(shí)別算法研究[J].西北民族學(xué)院學(xué)報(bào)（自然科學(xué)版），1999.

[3]王華，丁曉青.一種多字體印刷藏文字符識(shí)別方法[J].中文信息學(xué)報(bào)，2003，17（6）.

[4]柳洪軼，王維蘭.聯(lián)機(jī)手寫(xiě)藏文識(shí)別中字丁的規(guī)范化處理.計(jì)算機(jī)應(yīng)用研究，2006，8：179～181.

[5]Weilan Wang，Jianjun Qian，Daohui Wang,Zhuoma Duojie.Online Handwriting Recognition of Tibetan Characters Based on the Statistical Method.Journal of Communication and Computer，2011，8：188～200.

[6]王維蘭.一種聯(lián)機(jī)手寫(xiě)藏文字丁的識(shí)別方法[ZL].ZL200910128595.8.西北民族大學(xué)，2011.

TP391.4

A

1004-7344（2016）08-0028-02

西北民族大學(xué)研究生科研（實(shí)踐）創(chuàng)新項(xiàng)目（NO.Yxm2014178）。

2016-3-1

付 吉（1988-），男，仡佬族，碩士研究生在讀，研究方向?yàn)橹悄苄畔⑻幚砼c應(yīng)用軟件。