手写字符串识别的信息融合与参数学习方法

从20世纪90年代以来，文字识别的研究呈现两个趋势：印刷文档和限制性手写识别技术进入实用，一些识别难题（复杂背景、自由书写等）开始受到关注。解决这些难题将会促进文字识别技术的广泛应用。自由书写字符识别的难点不仅在于字符形状的复杂性和变化性，更在于字符切分的不确定性。本研究针对连续书写的中文手写字符串识别问题，提出新的信息融合框架和参数学习方法，以提高字符切分和识别的精度，促使手写文稿识别技术早日进入实用化。研究内容包括字符识别和几何上下文的概率置信度计算、基于马尔科夫随机场和条件随机场模型的信息融合、分类器参数和融合参数的鉴别学习等。为了克服切分长度（字符个数）对路径搜索的负面影响，提出一种新的基于字根的字符识别和字符串识别方法。这些方法将在联机和脱机的手写句子识别实验中进行验证。