專利名稱：手寫(xiě)體數(shù)字識(shí)別方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及手寫(xiě)體數(shù)字識(shí)別技術(shù)領(lǐng)域，特別是涉及一種手寫(xiě)體數(shù)字識(shí)別方法及裝置。
背景技術(shù)：
作為世界各國(guó)通用符號(hào)的阿拉伯?dāng)?shù)字的手寫(xiě)體頻繁出現(xiàn)在郵政系統(tǒng)、銀行支票、工業(yè)應(yīng)用等各領(lǐng)域中。而隨著計(jì)算機(jī)技術(shù)和數(shù)字圖像處理技術(shù)的飛速發(fā)展，手寫(xiě)體數(shù)字識(shí)別技術(shù)得到了廣泛應(yīng)用，給人們的工作帶來(lái)了極大的方便。由于數(shù)字在各個(gè)領(lǐng)域中往往代表精確的數(shù)值，微小的錯(cuò)誤很可能帶來(lái)不可預(yù)知的后果，因此，具有較高正確率的簡(jiǎn)單高效的手寫(xiě)體數(shù)字識(shí)別方法一直是重要的研究方向。而隨著機(jī)器學(xué)習(xí)技術(shù)的普及應(yīng)用，很多物理學(xué)家和化學(xué)家開(kāi)始廣泛使用李群理論研究相關(guān)領(lǐng)域的數(shù)據(jù)；相應(yīng)的，在手寫(xiě)體數(shù)字識(shí)別技術(shù)領(lǐng)域，李群結(jié)構(gòu)數(shù)據(jù)以其良好的數(shù)學(xué)結(jié)構(gòu)已被廣泛應(yīng)用。其中，李群Means 是由 J.A.Hartigan 等人在文章 “A K-Means ClusteringAlgorithm”中提出的一種簡(jiǎn)單有效的分類(lèi)方法，然而其梯度下降法找到的解只是局部極小值，而不一定是全局最小值，在處理多分類(lèi)問(wèn)題時(shí)性能欠佳。2011年，高聰?shù)热颂岢隽死钊篎isher學(xué)習(xí)算法，該方法在處理多類(lèi)問(wèn)題時(shí)的效果也不是很好。而2006年，Tuzel 0，Porikli F7Meer P等人提出的李群KNN方法中，將區(qū)域圖像的協(xié)方差作為李群KNN分類(lèi)問(wèn)題的特征；但是，對(duì)于手寫(xiě)體數(shù)字識(shí)別而言，能夠體現(xiàn)空間信息的筆畫(huà)位置可以有助于識(shí)別手寫(xiě)體數(shù)字，也就是，像素點(diǎn)的灰度值有助于識(shí)別手寫(xiě)體數(shù)字，因此，基于李群KNN方法，直接利用依據(jù)區(qū)域圖像確定的特征的手寫(xiě)體數(shù)字識(shí)別會(huì)損失空間信息，影響手寫(xiě)體數(shù)字識(shí)別的準(zhǔn)確性。

發(fā)明內(nèi)容
為解決上述技術(shù)問(wèn)題，本發(fā)明實(shí)施例提供了一種手寫(xiě)體數(shù)字識(shí)別方法及裝置，以提高手寫(xiě)體數(shù)字的識(shí)別準(zhǔn)確性，技術(shù)方案如下:—方面，本發(fā)明實(shí)施例提供了一種手寫(xiě)體數(shù)字識(shí)別方法，包括:確定待識(shí)別圖像，所述待識(shí)別圖像中包含手寫(xiě)體形式的待識(shí)別數(shù)字類(lèi)別標(biāo)簽；依據(jù)像素點(diǎn)的灰度值，確定所述待識(shí)別圖像中的特定的像素點(diǎn)的像素特征；依據(jù)所述特定的像素點(diǎn)的像素特征，確定所述待識(shí)別圖像的協(xié)方差；基于李群KNN算法，依據(jù)預(yù)設(shè)的訓(xùn)練圖像集合中的各訓(xùn)練圖像的協(xié)方差和所述待識(shí)別圖像的協(xié)方差，確定所述待識(shí)別圖像的近鄰標(biāo)簽集；其中，每一訓(xùn)練圖像中包含一手寫(xiě)體形式的數(shù)字類(lèi)別標(biāo)簽，所述訓(xùn)練圖像集合所包含的數(shù)字類(lèi)別標(biāo)簽涉及所有的數(shù)字類(lèi)別，并且，所述待識(shí)別圖像的協(xié)方差與所述近鄰標(biāo)簽集中各數(shù)字類(lèi)別標(biāo)簽對(duì)應(yīng)協(xié)方差的距離不大于其與所述訓(xùn)練圖像集合相應(yīng)的剩余任意一協(xié)方差之間的距離；將所述近鄰標(biāo)簽集中個(gè)數(shù)最多的數(shù)字類(lèi)別標(biāo)簽確定為所述待識(shí)別數(shù)字類(lèi)別標(biāo)簽。
其中，所述基于李群KNN算法，依據(jù)預(yù)設(shè)的訓(xùn)練圖像集合中的各訓(xùn)練圖像的協(xié)方差和所述待識(shí)別圖像的協(xié)方差，確定所述待識(shí)別圖像的近鄰標(biāo)簽集，包括:分別計(jì)算所述待識(shí)別圖像的協(xié)方差與預(yù)設(shè)的訓(xùn)練圖像集合中的各訓(xùn)練圖像的協(xié)方差之間的距離；選擇第一數(shù)量的距離作為近鄰距離，其中，所述近鄰距離不大于剩余的任意一距離；將所述近鄰距離對(duì)應(yīng)的訓(xùn)練圖像的數(shù)字類(lèi)別標(biāo)簽構(gòu)成所述待識(shí)別圖像的近鄰標(biāo)簽集。其中，所述確定所述待識(shí)別圖像中的特定的像素點(diǎn)的像素特征所依據(jù)的計(jì)算公式包括:
權(quán)利要求
1.一種手寫(xiě)體數(shù)字識(shí)別方法，其特征在于，包括: 確定待識(shí)別圖像，所述待識(shí)別圖像中包含手寫(xiě)體形式的待識(shí)別數(shù)字類(lèi)別標(biāo)簽； 依據(jù)像素點(diǎn)的灰度值，確定所述待識(shí)別圖像中的特定的像素點(diǎn)的像素特征； 依據(jù)所述特定的像素點(diǎn)的像素特征，確定所述待識(shí)別圖像的協(xié)方差； 基于李群KNN算法，依據(jù)預(yù)設(shè)的訓(xùn)練圖像集合中的各訓(xùn)練圖像的協(xié)方差和所述待識(shí)別圖像的協(xié)方差，確定所述待識(shí)別圖像的近鄰標(biāo)簽集；其中，每一訓(xùn)練圖像中包含一手寫(xiě)體形式的數(shù)字類(lèi)別標(biāo)簽，所述訓(xùn)練圖像集合所包含的數(shù)字類(lèi)別標(biāo)簽涉及所有的數(shù)字類(lèi)別，并且，所述待識(shí)別圖像的協(xié)方差與所述近鄰標(biāo)簽集中各數(shù)字類(lèi)別標(biāo)簽對(duì)應(yīng)協(xié)方差的距離不大于其與所述訓(xùn)練圖像集合相應(yīng)的剩余任意一協(xié)方差之間的距離； 將所述近鄰標(biāo)簽集中個(gè)數(shù)最多的數(shù)字類(lèi)別標(biāo)簽確定為所述待識(shí)別數(shù)字類(lèi)別標(biāo)簽。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于李群KNN算法，依據(jù)預(yù)設(shè)的訓(xùn)練圖像集合中的各訓(xùn)練圖像的協(xié)方差和所述待識(shí)別圖像的協(xié)方差，確定所述待識(shí)別圖像的近鄰標(biāo)簽集，包括: 分別計(jì)算所述待識(shí)別圖像的協(xié)方差與預(yù)設(shè)的訓(xùn)練圖像集合中的各訓(xùn)練圖像的協(xié)方差之間的距離； 選擇第一數(shù)量的距離作為近鄰距離，其中，所述近鄰距離不大于剩余的任意一距離； 將所述近鄰距離對(duì)應(yīng)的訓(xùn)練圖像的數(shù)字類(lèi)別標(biāo)簽構(gòu)成所述待識(shí)別圖像的近鄰標(biāo)簽集。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述確定所述待識(shí)別圖像中的特定的像素點(diǎn)的像素特征所依據(jù)的計(jì)算公式包括:
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述確定所述待識(shí)別圖像的協(xié)方差所依據(jù)的計(jì)算公式包括:
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，計(jì)算所述待識(shí)別圖像的協(xié)方差與預(yù)設(shè)訓(xùn)練圖像集合中的各個(gè)訓(xùn)練圖像的協(xié)方差之間的距離所依據(jù)的計(jì)算公式包括:
6.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述待識(shí)別圖像中的特定的像素點(diǎn)包括: 所述待識(shí)別圖像中的所有像素點(diǎn)； 或者， 所述待識(shí)別圖像中的部分像素點(diǎn)，且所述部分像素點(diǎn)為所述待識(shí)別圖像中的手寫(xiě)區(qū)域的像素點(diǎn)，所述手寫(xiě)區(qū)域?yàn)樗龃R(shí)別圖像中的一部分圖像區(qū)域。
7.一種手寫(xiě)體數(shù)字識(shí)別裝置，其特征在于，包括: 待識(shí)別圖像確定模塊，用于確定待識(shí)別圖像，所述待識(shí)別圖像中包含手寫(xiě)體形式的待識(shí)別數(shù)字類(lèi)別標(biāo)簽； 像素特征確定模塊，用于依據(jù)像素點(diǎn)的灰度值，確定所述待識(shí)別圖像中的特定的像素點(diǎn)的像素特征； 協(xié)方差確定模塊，用于依據(jù)所述特定的像素點(diǎn)的像素特征，確定所述待識(shí)別圖像的協(xié)方差; 近鄰確定模塊，用于基于李群KNN算法，依據(jù)預(yù)設(shè)的訓(xùn)練圖像集合中的各訓(xùn)練圖像的協(xié)方差和所述待識(shí)別圖像的協(xié)方差，確定所述待識(shí)別圖像的近鄰標(biāo)簽集；其中，每一訓(xùn)練圖像中包含一手寫(xiě)體形式的數(shù)字類(lèi)別標(biāo)簽，所述訓(xùn)練圖像集合所包含的數(shù)字類(lèi)別標(biāo)簽涉及所有的數(shù)字類(lèi)別，并且，所述待識(shí)別圖像的協(xié)方差與所述近鄰標(biāo)簽集中各數(shù)字類(lèi)別標(biāo)簽對(duì)應(yīng)協(xié)方差的距離不大于其與所述訓(xùn)練圖像集`合相應(yīng)的剩余任意一協(xié)方差之間的距離； 待識(shí)別標(biāo)簽確定模塊，用于將所述近鄰標(biāo)簽集中個(gè)數(shù)最多的數(shù)字類(lèi)別標(biāo)簽確定為所述待識(shí)別數(shù)字類(lèi)別標(biāo)簽。
全文摘要
本發(fā)明公開(kāi)了一種手寫(xiě)體數(shù)字識(shí)別方法及裝置。該手寫(xiě)體數(shù)字識(shí)別方法，包括確定待識(shí)別圖像，該待識(shí)別圖像中包含手寫(xiě)體形式的待識(shí)別數(shù)字類(lèi)別標(biāo)簽；依據(jù)像素點(diǎn)的灰度值，確定該待識(shí)別圖像中的特定的像素點(diǎn)的像素特征；依據(jù)該特定的像素點(diǎn)的像素特征，確定該待識(shí)別圖像的協(xié)方差；基于李群KNN算法，依據(jù)預(yù)設(shè)的訓(xùn)練圖像集合中的各訓(xùn)練圖像的協(xié)方差和該待識(shí)別圖像的協(xié)方差，確定該待識(shí)別圖像的近鄰標(biāo)簽集；將該近鄰標(biāo)簽集中個(gè)數(shù)最多的數(shù)字類(lèi)別標(biāo)簽確定為該待識(shí)別數(shù)字類(lèi)別標(biāo)簽。可見(jiàn)，與現(xiàn)有技術(shù)相比，本方案中，作為分類(lèi)問(wèn)題的特征的協(xié)方差依據(jù)特定的像素點(diǎn)的灰度值獲得，有效利用了待識(shí)別圖像的空間信息，因此，提高了手寫(xiě)體數(shù)字的識(shí)別準(zhǔn)確性。
文檔編號(hào)G06K9/20GK103164701SQ201310123349
公開(kāi)日2013年6月19日 申請(qǐng)日期2013年4月10日 優(yōu)先權(quán)日2013年4月10日
發(fā)明者何書(shū)萍, 張莉, 王曉乾, 王邦軍, 楊季文, 李凡長(zhǎng) 申請(qǐng)人:蘇州大學(xué)