结合稀疏表示与多特征融合的联机手写梵文识别研究

The goals and significances in this research project are: First, we aim to build an online handwritten recognition system framework of sparse representation and multi-feature fusion for Sanskrit characters, enrichment and development the applications of pattern recognition, by combining the sparsity mechanism of human perception of images and complex of Sanskrit characters pattern, large character set and many similar characters. Second, we try to design a multi-feature fusion more effective and robust feature extraction methods and classification algorithms, in order to improve the capability of machine on Sanskrit understanding and perception, providing technical support for the applications in Tibetan studies, collation of ancient books, and other fields of Sanskrit information processing. Through this research, it can be expected to gain the following research achievements: (1) Propose Multi-feature generation method for Sanskrit characters, on basis of the in-depth analysis on the current online handwritten character recognition methods and empirical research; (2) Build a model to unify multi-feature fusion and feature extraction methods and based this model to develop more discriminative algorithm for Sanskrit characters; (3) Design a good classifier with sparse theory in classified speed and performance especially for similar characters; (4) Achieve a system of sparse representation and multi-feature fusion, which obtain the best recognition performance for Sanskrit characters.

项目研究的目的和意义：第一、将人类感知图像模式的稀疏性与字形复杂、字符集大、相似字多的联机手写梵文识别的研究结合起来，构建一个结合稀疏表示和多特征融合的联机手写梵文识别系统模型，丰富和发展模式识别的应用；第二、设计多特征融合、更具鉴别能力和鲁棒性的梵文字符特征表示方法，以及稀疏分类算法，提高计算机对笔输入藏文的理解和感知能力，为联机手写梵文识别在藏学研究、古籍整理等信息处理领域的应用提供更好的技术支撑。项目的预期目标：(1)在深入分析联机手写字符识别方法、梵文特点和实证研究的基础上，提出联机手写梵文的多种特征生成方法；(2)构建联机手写梵文字符多特征融合和特征抽取的统一模型，设计出符合梵文自身特点并具有较强鉴别能力的特征表示算法；(3)设计出分类性能好、识别速度快、对相似字丁有较强鲁棒性的稀疏表示分类器；(4)实现稀疏表示和多特征融合的联机手写梵文识别系统，使得识别系统达到最佳识别性能。

建立藏文、梵音藏文联机手写表示模型和识别方法，提高计算机对联机手写藏文的识别能力与处理效率，不仅推动少数民族语言文字信息处理的发展，为联机手写藏文识别在日常生活、教育、研究等信息处理领域的应用提供技术支撑，对藏文化的保护、传承、弘扬与发展也具有重要的意义。本题目主要进行了以下内容的研究：. 一是在三项基础研究：第一，确定藏文、梵音藏文识别字符集；第二，根据藏文书写特点确定部件集进而采集部件样本；第三，获取7240个藏文和梵音藏文识别字符的空间数据信息等基础上；提出了基于部件叠加组合的藏文、梵音藏文联机手写样本生成的方法，进而构建完成7240个字丁的样本库。. 二是特征提取与表示，主要是手写笔迹方向特征的提取、字丁空间组合特征的提取及其特征融合的研究；基于 Gabor 滤波器的特征和方向特征等。. 三是特征降维处理，选择了SVD、PCA、LDA及其混合使用的方法对字符特征矩阵进行降维处理的研究与比较等。. 四是分类器的设计和训练。在MQDF分类器的基础上，进行分类器级联的手写梵音藏文相似字符识别方法、基于ILDA复合二次距离的联机手写藏文相似字符识别研究等。. 五是多特征融合的联机手写藏文和梵音藏文识别系统。从识别字符集确定、样本库生成，以及字丁的归一化、特征提取与压缩、分类器设计、测试等，到设计完整联机手写藏文、梵音藏文的识别系统，取得了一定的成绩和研究进展。通过不断改进算法，最后在500套样本上测试结果为：7240个字符集的联机手写首选识别率达到80.36%、十选识别率96%，其中562个现代藏文的首选识别率85.9%、十选识别率99.4%。. 本项目的研究，首次得到藏文、梵音藏文Unicode编码显现的7240个字丁的识别字符集信息库；首次构建了7240个字丁的藏文、梵音藏文联机手写样本库5000套；首次完成7240个字丁的藏文、梵音藏文联机手写识别系统等。这些关键的数据是进一步研究的重要基础。此外，相关数据和方法，也为藏文古籍文档图像分析与字符识别研究奠定了良好的基础，具有重要的社会意义和应用价值。