CN108921155A - 一种联机手写维吾尔文单词倾斜矫正方法 - Google Patents

Abstract

本发明公开了一种联机手写维吾尔文单词倾斜矫正方法，该方法在维吾尔文联机手写单词样本上采用了一些基本的预处理操作，包括点插入，多层平滑和点距离抽样等。考虑到在整体手写单词轨迹上直接采用基本预处理操作会产生额外噪声或失去关键信息点，本发明以笔画为单位进行预处理。为解决手写单词常见的倾斜矫正问题，本发明提出一种基于区块中心的倾斜矫正算法。此算法实现简便，速度快，倾斜矫正效果好。此算法可以直接推广到其它拼音文字的手写单词以及文本行倾斜矫正。

Description

一种联机手写维吾尔文单词倾斜矫正方法

技术领域

本发明属于手写识别技术领域，涉及一种联机手写维吾尔文单词倾斜矫正方法，具体地说，涉及一种基于区块轨迹重心的联机手写维吾尔文单词倾斜矫正方法。

背景技术

手写识别是模式识别的主要应用之一。像其他模式识别任务一样，手写识别技术研究也包括预处理、特征提取、模型训练和测试等部分。手写识别技术研究分两大类，即联机手写识别技术和脱机手写识别技术。联机手写识别的在手写过程中用数字化仪，如手写板等，实时记录下来的手写轨迹上进行对手写样式的识别。脱机手写识别则在手写样式完成后用扫描仪，照相机等图像采集设备得到的图像信息进行识别。针对拼音文字的手写识别而言，根据手写识别对象的不同可以分为手写字母识别，手写单词识别，词组识别以及整句识别等。

维吾尔语是属于阿尔泰语系突厥语族，是我国西北地区的重要语言之一。在悠久的历史中，维吾尔语用多种不同的文字来表示和记录下来。现代维吾尔文是借用阿拉伯文和波斯文字母的拼音文字。虽然现代维吾尔文中的很多字母跟阿拉伯文一样或相似，但语法和词法上不同导致维吾尔文单词具有独特的结构特性。到目前位置，维吾尔文联机手写识别绝大部分工作都集中在字母识别方面，对于手写单词识别的研究很少。

发明内容

本发明的目的在于提供一种联机手写维吾尔文单词倾斜矫正方法。对于手写单词样本的预处理为后续手写单词识别操作的成功运行至关重大。由于手写过程中种种因素影响手写样本的具体形状和质量。其中，手写单词形成某种程度上的倾斜度是很常见。本发明根据维吾尔文手写单词的书写风格，提出了一种快速有效的手写单词倾斜矫正算法。此算法可以直接应用于各种拼音文字手写单词以及文本行的倾斜矫正，具有较强的通用性。

其具体技术方案为：

一种联机手写维吾尔文单词倾斜矫正方法，包括以下步骤：

步骤1、预处理

预处理包括：去噪、标准化、去重复点、点插入、平滑、点采样。

步骤2、基于区块轨迹重心的倾斜矫正

基于区块轨迹重心的倾斜矫正算法描述如下：

a.计算手写单词样本的宽高比例。如果样本宽高比例大于1.5；1，则进行倾斜矫正，否则保留原始样本轨迹。单词样板宽高比例用(1)计算

其中，X,Y分别表示手写样本轨迹中所有横坐标和纵坐标，WH_ratio是该样本的宽高比。

b.把手写单词样本轨迹分为同等大小的左右两个区块。分左右区块的横做坐标split_x是手写轨迹中最右点和最左点横坐标的中点，用(2)获取。

c.计算各区块中手写轨迹的重心

左右各区块轨迹中心用公式(3)和(4)计算出来。

其中，n,m，x_i,y_i分别表示左右区分块中的样本轨迹点数和各点的坐标；(x_r,y_r),(x_l,y_l)分别表示左右区块的轨迹重心点坐标。

d.用左右区块轨迹重心计算手写单词样本的倾斜度。手写样本的倾斜度k和倾斜角θ计算公式如(5)和(6).

θ＝arctan(k) (6)

e.把手写样本轨迹用倾斜角的负值进行旋转。采用的旋转以手写样本轨迹重心(x_c,y_c)为旋转中心。旋转重心(x_c,y_c)和旋转之后的样本轨迹坐标(x_rot,y_rot)用公式(7)和(8)得到。

其中，N，(x_i,y_i)为手写单词样本轨迹中的所有点数，θ是手写单词样本的倾斜角。

进一步，所述手写样本形状可以分为多个均匀或不均匀的区块，区块中心也可以有不同选择。经过众多实验和观察发现，用两个区块的倾斜矫正效果总是比用多个区块的倾斜矫正效果好。所以，本发明采用了分两个区块及其中心的倾斜矫正。重要提出的一点是，本方法对较长的手写单词和文本行效果明显，对较短的单词不建议使用。所以，首先技术手写样本的宽高比例，宽高比例大于1.5:1的情况下可以采用本倾斜矫正方法。

与现有技术相比，本发明的有益效果：

本发明在维吾尔文联机手写单词样本上采用了一些基本的预处理操作，包括点插入，多层平滑和点距离抽样等。考虑到在整体手写单词轨迹上直接采用基本预处理操作会产生额外噪声或失去关键信息点，本发明以笔画为单位进行预处理。为解决手写单词常见的倾斜矫正问题，本发明提出一种基于区块中心的倾斜矫正算法。此算法实现简便，速度快，倾斜矫正效果好。此算法可以直接推广到其它拼音文字的手写单词以及文本行倾斜矫正。

附图说明

图1是预处理效果，其中，图1(a)为原始样本353点，图1(b)为预处理以后195点；

图2是联机手写单词倾斜矫正以前的效果；

图3是联机手写单词倾斜矫正以后的效果。

具体实施方式

下面结合附图和具体实施方案对本发明的技术方案作进一步详细地说明。

1预处理

联机手写识别技术中的预处理一般包括手写轨迹的标准化，去噪和去重复点，平滑等操作。对于拼音文字的手写单词识别预处理还包括手写单词样本的基线位置探测，倾斜矫正等任务。

1.1去噪

由于手写板的物理特性以及书写者在手写过程中的手笔颤抖，分散注意力等心里和生理因素，采集到的联机手写样本轨迹会有一些噪声。这些噪声点的一般特征有，在手写轨迹中突然出现而且离手写轨迹偏离度很高，离手写样本轨迹总体的距离元，是额外或错误记录下来的点坐标等。

1.2标准化

同一个字母或单词的手写样本可能会写在手写板不同的区域，同时也会形成不同的样本尺寸。同一个人把同一个字母或单词在不同的时间写成不同的样式。考虑以上因素，对联机手写样本的标准化有坐标标准化，样本尺寸的标准化以及位置标准化等。坐标标准化将原始的轨迹点坐标取值范围映射到新的点坐标取值范围。大小标准化把不同尺寸的手写样本转换成统一大小。尺寸标准化一般分为线性和非线性两种，也有其它有效的标准化方法。位置标准化指的是使写在手写板不同区域的样本移到统一的位置，比如手写板的中心等。这些标准化处理有利于观察和分写各种样本的形状和统计特性，为以后的特征提取提供方便。

1.3去重复点

手写过程中，书写速度慢或笔尖停留等情况容易产生某些点坐标重复记录下来，导致增加所需存储空间和以后处理中的计算量。除此之外，点坐标的标准化也会产生一些坐标值非常接近的新点坐标，也可以被认为重复点处理。去除手写轨迹重复点的方法一般逐点计算手写轨迹各相邻点之间的距离，用一个额值来判断重复点并去除。去重复点的过程中还可以考虑更多因素，比如倾斜度等，增强去重复点的效果。

1.4点插入

手写单词原始轨迹点分布一般不均匀，有些点很密，有些点很稀，有些点和点之间的距离比较大，需要点插入的方法来进行均匀化。本发明采用的点插入方法首先判断点插入的方向，即如果各相邻点的横向距离大于纵向距离，则需插入的点数按照横向距离来确定；如果纵向距离大于横向距离，需插入的点数由纵向距离来确定。

1.5平滑

联机手写样本轨迹往往不够光滑，其原因主要来自于手写板的物理特性和手写中手的颤抖。对手写轨迹的平滑有利于手写样本观察和特征提取，比如正确找到手写样本轨迹的转折点等。手写轨迹的平滑可以用多种方法实现。常用的平滑方法有移动平均平滑，其主要思想是在手写轨迹中逐点计算某几个前后相邻点的平均坐标，作为当前点的坐标。利用移动平均平滑的时候要选好相邻点的个数。选得太大会失去实际的信息点；选得太小，平滑不起作用。正常情况下，相邻点个数选为5.不管那种平滑方法，都可以有多次进行，叫多层平滑。一般的情况下，多层平滑的效果比单层平滑好一点，但需要较大的计算量。

1.6点抽样

点抽样是跟点插入相反的操作。在手写样本轨迹中有些部分点分布很密，也需要均匀化。点抽样可以把原始的手写样本用少量的轨迹点坐标来表示，为以后的操作大幅度降低计算量。有时候点抽样可以作为一种有效的特征提取方法。本发明采用的点抽样算法逐点计算各相邻点之间的距离，如果该相邻点距离大于额定的抽样距离则保留后面的点，否则放弃。点距离抽样在笔画长度大于额定抽样距离两倍的情况下才进行，这样可以避免一些长度很小的延迟笔画的丢失。

为了减少计算复杂度，样本原始坐标取值范围归一化或标准化到原始的一半。预处理中采用了基于相邻点距离阈值的去燥和去重复点处理，多级移动平均平滑方法、轨迹点抽样等技术；预处理中的距离参数以两个相邻像素点之间的元距离为基元。每一个参数的变化会带来不一样的影响。预处理中采用的各种参数信息放在表1中。

表1预处理和单词切分采用的参数值及描述

在整体手写单词轨迹上直接利用以上提到的基本预处理方法会产生一些不好的效果。比如，在整体单词轨迹上进行去燥可能会失去一些延迟笔画；平滑操作在各相邻笔画之间可能会产生额外的一些噪声等。以笔画为单位进行的基本预处理操作效果比较好，可以保留所有延迟笔画，防止各笔画之间额外噪声的出现。

2基于区块轨迹重心的倾斜矫正

拼音文字，如英文，中的单词一般由多个字母组成。维吾尔文单词也由一个到几十个字母从右到左的方向连接而成。维吾尔文手写单词样本免不了形成倾斜的情况。正确确定手写单词样本倾斜度为以后的手写基线位置探测和单词切分等工作有很大的帮助。手写单词样本基线位置的探测以及单词切分都是很有挑战性的任务。如果手写单词样本本身具有倾斜的情况，基线位置的探测和单词切分的实现会更加艰难。所以，进行基线位置探测和单词切分操作之前需要判断手写单词样本的倾斜情况，算出其倾斜度并进行倾斜矫正。本发明提出基于区块轨迹重心的倾斜矫正算法描述如下：

a.计算手写单词样本的宽高比例。如果样本宽高比例大于1.5；1，则进行倾斜矫正，否则保留原始样本轨迹。单词样板宽高比例用(1)计算

其中，X,Y分别表示手写样本轨迹中所有横坐标和纵坐标，WH_ratio是该样本的宽高比。

b.把手写单词样本轨迹分为同等大小的左右两个区块。分左右区块的横做坐标split_x是手写轨迹中最右点和最左点横坐标的中点，用(2)获取。

c.计算各区块中手写轨迹的重心

左右各区块轨迹中心用公式(3)和(4)计算出来。

其中，n,m，x_i,y_i分别表示左右区分块中的样本轨迹点数和各点的坐标；(x_r,y_r),(x_l,y_l)分别表示左右区块的轨迹重心点坐标。

d.用左右区块轨迹重心计算手写单词样本的倾斜度。手写样本的倾斜度k和倾斜角θ计算公式如(5)和(6).

θ＝arctan(k) (6)

e.把手写样本轨迹用倾斜角的负值进行旋转。本发明采用的旋转以手写样本轨迹重心(x_c,y_c)为旋转中心。旋转重心(x_c,y_c)和旋转之后的样本轨迹坐标(x_rot,y_rot)用公式(8)和(8)得到。

其中，N，(x_i,y_i)为手写单词样本轨迹中的所有点数，θ是手写单词样本的倾斜角。

手写样本形状可以分为多个均匀或不均匀的区块，区块中心也可以有不同选择。经过众多实验和观察发现，用两个区块的倾斜矫正效果总是比用多个区块的倾斜矫正效果好。所以，本文采用了分两个区块及其中心的倾斜矫正。重要提出的一点是，本方法对较长的手写单词和文本行效果明显，对较短的单词不建议使用。所以，首先技术手写样本的宽高比例，宽高比例大于1.5:1的情况下可以采用本倾斜矫正方法。

3预处理和倾斜矫正效果分析

3.1基本预处理效果

本发明在Windows操作系系统上，用Matlab2012b开发环境来实现对手写样本的预处理。为避免在预处理过程中失去有些特别小的延迟笔画和产生额外噪声，本发明采用的基本预处理操作以笔画为单位进行。去噪过程中，首先各笔画轨迹中各相邻点之间的平均距离计算出来，然后再进行噪声点的判断和处理。如果某相邻点之间的距离大于当前笔画平均相邻点距离的3被以上，则后面的点作为噪声处理。在去重复点的时候，相邻点之间的距离小于当前笔画平均相邻点距离的0.5倍，则后面的点作为重复点处理。本发明采用两级移动平均平滑，采用的相邻点个数均为5.点距离抽样方法选用的抽样距离为3。图1显示手写维吾尔文单词样本上的预处理效果。

图1.(a)中可以看出，原始手写样本轨迹中的点分布不均匀，有些点分布的很密，有些则很稀疏。图1.(b)显示预处理以后的手写单词样式，可以看出原始样本轨迹得到了很好的均匀化和光滑效果。原始样本轨迹包括353个点，预处理以后的样本轨迹则只有195个点，同时也保留了所有延迟笔画。延迟笔画在字母识别以及单词识别中具有关键区分作用。

3.2手写单词倾斜矫正效果

如图2中所示，手写单词样本轨迹以样本被分为同等大小的左右两个区块。样本的倾斜度和倾斜角由左右区块中轨迹的重点(点坐标平均值)来确定。基于区块重心来确定手写单词的倾斜度比一般的线性回归或hough变换相比起来又快又简便。从图3中可以看出，带倾斜的手写样本得到了很好的倾斜矫正效果。很多次测试和观察表明，用两个区块的倾斜矫正效果比用多个区块的倾斜矫正效果好。这种现象归因于用两个区块来计算出来的倾斜度更好的代表轨迹点分布属性。

判断宽高比较小的手写样本倾斜度一直是个难题。应该注意的是，基于区块轨迹重心的倾斜矫有时候也不能正确判断宽高比例较小的维吾尔文单词倾斜度。这是因为维吾尔文单词中的开端字母趋向于上方，后端字母则趋向于下方，没带倾斜度的样本也容易被错误的判断。所以，本发明只对宽高比大于1.5:1的手写单词上采用了此倾斜矫正算法。该算法对于宽高比例较大的单词以及文本行倾斜矫正的效果非常好。

4结论

本发明在维吾尔文联机手写单词样本上采用了一些基本的预处理操作，包括点插入，多层平滑和点距离抽样等。考虑到在整体手写单词轨迹上直接采用基本预处理操作会产生额外噪声或失去关键信息点，本发明以笔画为单位进行预处理。为解决手写单词常见的倾斜矫正问题，本发明提出一种基于区块中心的倾斜矫正算法。此算法实现简便，速度快，倾斜矫正效果好。此算法可以直接推广到其它拼音文字的手写单词以及文本行倾斜矫正。

以上所述，仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。

Claims (2)

1.一种联机手写维吾尔文单词倾斜矫正方法，其特征在于，包括以下步骤：

步骤1、预处理

预处理包括：去噪、标准化、去重复点、点插入、平滑、点抽样；

步骤2、基于区块轨迹重心的倾斜矫正

基于区块轨迹重心的倾斜矫正算法描述如下：

a.计算手写单词样本的宽高比例；如果样本宽高比例大于1.5；1，则进行倾斜矫正，否则保留原始样本轨迹；单词样板宽高比例用(1)计算

其中，X,Y分别表示手写样本轨迹中所有横坐标和纵坐标，WH_ratio是该样本的宽高比；

b.把手写单词样本轨迹分为同等大小的左右两个区块；分左右区块的横做坐标split_x是手写轨迹中最右点和最左点横坐标的中点，用(2)获取；

c.计算各区块中手写轨迹的重心

左右各区块轨迹中心用公式(3)和(4)计算出来；

其中，n,m，x_i,y_i分别表示左右区分块中的样本轨迹点数和各点的坐标；(x_r,y_r),(x_l,y_l)分别表示左右区块的轨迹重心点坐标；

d.用左右区块轨迹重心计算手写单词样本的倾斜度；手写样本的倾斜度k和倾斜角θ计算公式如(5)和(6).

θ＝arctan(k) (6)

e.把手写样本轨迹用倾斜角的负值进行旋转；采用的旋转以手写样本轨迹重心(x_c,y_c)为旋转中心；旋转重心(x_c,y_c)和旋转之后的样本轨迹坐标(x_rot,y_rot)用公式(7)和(8)得到；

其中，N，(x_i,y_i)为手写单词样本轨迹中的所有点数，θ是手写单词样本的倾斜角。

2.根据权利要求1所述的联机手写维吾尔文单词倾斜矫正方法，其特征在于，

所述手写样本形状分为两个区块。