基于链码匹配的手写汉字笔画书写正确性判断策略分析.pptxVIP

基于链码匹配的手写汉字笔画书写正确性判断策略分析 汇报人：赵胜伟 目录 问题的提出 相关概念的界定 笔画书写正确性判断流程 总结与展望 参考文献 问题的提出 原因 汉字书写是中国传统文化的精髓，而计算机的发展对汉字书写带来冲击，“提笔忘字”、不会写字现象严重。 移动电子设备的普及，使在线汉字书写正误判断成为可能； 由于用户书写的随意性和差异性导致汉字笔画产生各种变形，增加了笔画书写正确性判断的难度，使笔画判断不准确。 相关概念的界定 笔画：笔画是指汉字书写时不间断地一次连续写成的一个线条。在本文中的笔画是指在书写过程中，从落笔到抬笔的过程中产生的点连线而形成的书写轨迹。 笔段：笔段是指在书写笔画的过程中，书写的走向不发生变化的线段，它在一定程度上可以认为是一条近似于直线的笔画线段。每个笔画由一个或多个笔段构成。 笔画识别：笔画识别是指事先不知道书写的笔画的类型，通过相应的方法将书写笔画与所有类型的笔画进行一一比对，相似度最高的笔画类型即为书写笔画的类型。目前的研究中最多的是笔画识别。 笔画判断：笔画判断是指事先知道书写的笔画的类型，编写算法获取笔画的特征并与相应标准笔画特征进行比对，通过比对结果来对书写笔画的正确性进行判断。 事先知道书写笔画的类型是本文进行判断的前提 笔画书写正确性判断流程 标准笔画库的建立 标准笔画链码的获取 笔画的分类 标准笔画库的建立 笔画的分类 标准笔画链码的获取 笔画的分类标准： 笔画的种类 笔画的形状 笔画分类的过程： 罗列出所有的不 同种类的笔画； 将同类笔画中形状相似的笔画合并为一类。 标准笔画库的建立 笔画的分类 标准笔画链码的获取 为了保证标准链码的信度，本文将采取机器学习的方法，对笔画书写正确的汉字进行学习，从而获得笔画的标准链码。 具体过程为： 1.通过汉字书写平台获取样本字笔画点集； 2.利用汉字书写平台中的回显功能将样本字重现； 3. 专家判断样本字中笔画的正确性； 4.根据专家判断的结果利用机器学习的方式分析计算样本字的笔画走向，最终得到笔画的走向链码。 标准笔画库的建立 笔画的分类 标准笔画链码的获取 为了确保笔画链码的信度，人工对比笔画链码与相应样本字的笔画的走向，如果基本相似，则将该笔画链码确定为标准链码并添加到相应的笔画的链码表中。 手写笔画特征链码的获取 手写汉字笔画点集的获取 编写程序开发汉字书写平台，利用汉字书写平台获取手写汉字笔画点集，并将点集保存在XML文件中，且一个汉字对应一个XML文件。 property stroke strokeOrderID=1 point   x/x  y/y time/time /point … /stroke … /property 手写笔画特征链码的获取 一种是先计算笔画中所有相邻两点的走向码，得到整个笔画的走向链码，然后通过噪点码过滤、走向码合并，最终得到笔画的特征链码。 手写笔画链码获取的一般方法 缺点：书写的抖动或随意性会使笔画产生很多噪声码，且噪声码并不能完全过滤掉，不利于笔画的判断。 手写笔画特征链码的获取 另一种是先获取笔画的拐点，然后根据笔画拐点的位置将笔画拆分成笔段，计算笔段的走向码并合并，最终得到笔画的特征链码。 手写笔画链码获取的一般方法 缺点：在获取笔画拐点时会因为阈值设定的不恰当而使笔段拆分不合理，会影响笔画的正误判断。 手写笔画特征链码的获取 首先在标准笔画库中定义好每类笔画的拐点的个数，然后根据拐点的个数拆分笔画，计算各个笔段的走向码并合并，得到手写笔画的特征链码。 手写笔画链码获取的新方法 优点：1.根据确定的拐点个数来拆分笔画，可以解决因阈值设置不当而造成的拐点获取不准确的问题。 2.直接计算笔段的走向码，就可以忽略书写过程中因抖动或随意性而造成的噪声码，提高笔画特征链码的准确性。 手写笔画特征链码的获取 笔段拆分算法——以“横折钩”为例，拐点个数为4（包括笔画起末点） 连接笔画的起末点作直线并计 算笔画上的点到直线的距离， 比较各距离的大小，获取最大 距离，最远距离所对应的点即 为笔画的一个拐点。如右图所 示：获得拐点P。 判断拐点个数是否等于4，不等于则继续执行下面的操作。 手写笔画特征链码的获取 笔段拆分算法——以“横折钩”为例 从拐点处将笔画拆分长两个笔段， 分别连接两个笔段的起末点作直线 并计算笔段上的点到直线的最远距 离，得到两个最大距离，比较两个 最大