光學符號識別

劉立滿 楊勝衛 王若男

摘要：光學符號識別在電子設備上已經有廣大的應用。本文對圖像數據的分析，選取圖像特征，圖像字符識別進行了討論，最后對模型進行評價和優化。

針對問題二，首先利用去掉變化小的特征法，對字符在矩形區域的水平位置與豎直位置的數據做取值預處理，得到字符在矩形區域的水平位置與豎直位置的選取區間，從而確定判斷識別字符的位相特征;然后再利用線性回歸與正則化，以字符所在矩形區域的寬度與高度的數據，通過矩陣X和Y進行線性回歸，得到壓縮因子的有效自由度。

關鍵詞：去掉變化小的特征;線性回歸與正則化;K-L變化特征提取識別模型;模糊綜合評價模型

一、問題的重述

分析所給圖像數據集，為例能夠準確判斷識別每個字符，需要選取哪些恰當的特征。

二、模型假設

1.假設樣本的所有數據記錄無誤，無特殊因素對樣本數據記錄產生影響

2.假設光學機器操作對字符識別不產生影響

3.假設燈光、定位和對象的位置對圖像數據沒有影響

4.假設在特定時間類，字符的暗、亮模式與形狀不發生改變

三、模型的建立與求解

3.1圖像識別特征的選取

特征選擇需要處理兩個問題[6]，一是確定選擇識別算法，在一定的時間內，以最小的時間代價找出最能描述類別的特征組合;二是確立評價標準，權衡特征組合的效率，獲取特征操作的停止條件。所以，分為兩個步驟獲取字符特征，首先得到特征子集，然后對特征子集進行評估，如果特征達到停止條件，則操作完成，否則重復前面兩步到停止條件滿足為止。

3.1.1去掉取值變化小的特征

圖像數據集中，字符在矩形區域的水平位置的

這里對水平位置的橫向坐標做去掉取值變化小的處理：

即對集合（x1， x2， x3…x20000）做出去掉取值變化小的操作，以區間，即區間（2.11，5.93）作為字符在矩形區域的水平位置的選取區間。把在選取區間外的字符去掉。

同樣在圖像數據集中，字符在矩形區域的豎直位置的

這里對豎直位置的縱向坐標做去掉取值變化小的處理：

集合（x1， x2， x3…x20000），以區間即區間（3.73，10.33）作為字符在矩形區域的豎直位置的選取區間。將在豎直選取區間外的字符去掉。

綜上，依據去掉取值變化最小特征的數據處理，確定字符在矩形區域的水平位置與豎直位置，從而確定字符在矩形區域的位相特征。

3.1.2線性回歸和正則化

正則化是構造風險最小化方法，在經驗風險的基礎上加上正則化。正則化是一種類似模型復雜度的單調遞增函數[7]。

幾何意義：正交投影

故：

字符所在矩形區域的寬度X=（x1， x2， x3…x20000）T

字符所在矩形區域的高度Y=（y1， y2， y3…y20000）T

參考文獻：

[1]張世輝.漢字圖像預處理算法的研究及實現[J].微機發展，2003 （04）：53-55+58.

[2]關石菡.數理統計在數據分析中的應用研究[J].林區教學，2011 （06）：87-88.

[3]吳瀚.對于使用Adaptive Lp正則化的線性回歸問題在高維情況下漸近性質的討論[D].復旦大學，2014.