[发明专利]一种手写文字输入方法

说明书

技术领域

本发明涉及计算机文字识别技术领域，尤其涉及一种手写文字输入方法。

背景技术

目前联机手写单字手写识别率已经很高，但是由于自由手写体的切分难度大，使得手写文档的识别还不能达到实用，因此解决自由手写体切分显得十分重要。

在语言文字学中，汉字由笔画、偏旁部首和单字三个层次组成，如果进一步细分还可以将汉字划分为：笔段、笔画、部件、单字四个层次。在基于结构的手写体汉字识别中，笔画常为笔段代替。笔段有长度和方向特性，方向上有横、竖、撇、捺四种，分别对应着水平、垂直、右斜、左斜。

汉字的偏旁部首大多位于单字的左、右、上、下和四周。在古代文献中，汉字的左侧称为“偏”，右侧称为“旁”，并统称为“偏旁”，在实际使用中汉字的上、下、左、右都可以存在偏旁部首。在汉语字典中，通常根据偏旁部首和笔顺建立索引，这种方法在基于结构的汉字识别系统中也得到广泛应用。汉字字形结构规范中，部件是介于笔画和与单字之间的层次，部件也是由笔画组成的，是构成单字的基本结构单位。

《汉字部件规范》的基础部件表给出了20902个汉字的560个末级部件，其中“口”是组字最多的部件，共组字3847个，组字次数4603次，例如在“哭”字中出现2次。在20902个汉字中，单部件字有359个，部件最多的字由13个部件构成。20902个汉字共分13种基本字典结构，其中左右形汉字最多，共14534个；下包围形最少，只有7个。

汉字是方块字，因此在切分的时候手写字符的外边框反应了重要的切分些信息。两个部件之间的位置关系可以分为上下关系、左右关系和包围关系。对于不同的位置关系，可以根据其外边框进行合并，上下关系和包围关系可以合并在同一字内，而左右关系需要根据前后文字部件的分布情况进行合并。

左右形汉字最多而且切分难度大，对于联机手写体识别，由于处理左右关系部件产生切分错误并导致识别结果错误，是影响识别率的最主要因素。因此针对左右关系部件的切分策略是我们需要解决的关键问题。目前手写识别系统采用的汉字切分方法大多是按照位置关系进行的，要求字符串的书写风格相对稳定，汉字字符串中字间距与字内距有一定的区别，即字间距一般大于字内距，一串字符中的汉字字符大小比较一致，字符的宽度变化在一定的范围内。

在实际的联机手写输入过程中，不一定能保证这些条件，从而影响了手写文字的识别率。

发明内容

本发明的目的在于提出一种手写文字输入方法，能够有效提高手写文字的识别率。

为达此目的，本发明采用以下技术方案：

一种手写文字输入方法，包括以下步骤：

A、输入设备对手写文字进行采样；

B、将所述手写文字切分成符合要求的基本单元；

C、对所述基本单元或者基本单元组合进行识别，标记出可以作为切分依据的部件；

D、根据所述部件的分类属性确定可信切分位置，其中分类属性是根据每个部件在组字时可能出现的位置进行分类，标记为左、中、右三类，以确定部件应该与左侧还是应该与右侧的单元进行合并；

E、根据统计语言模型对一句文字进行识别，选择切分路径和识别结果，并确定切分位置；

F、输出不少于一种识别结果。

步骤A中，对手写文字采样的结果是按照时间顺序的坐标点序列，并标记了文字笔画的起点、中间点和结束点。

步骤B中，还包括以下步骤：

对不少于两行的文字进行行切分。

步骤B中，依据所述文字的笔画的外接矩形的宽度、高度和宽高比，对所述手写文字的笔画进行切分，并将相邻笔画合并成基本单元。

步骤C进一步包括以下步骤：

设立二维的部件关系表；

将所述基本单元或者基本单元组合与所述部件关系表进行对比，确定可以作为切分依据的部件。

步骤F进一步包括以下步骤：

如果采用字的二元模型，则要建立一个二维统计概率表，给出任意两个文字之间的转移概率；

输出的识别结果中包括一个统计意义最优的识别结果。

采用了本发明的技术方案，可以在识别的基础上根据左右结构汉字的组字规律进行切分，并对于不确定的切分点采用语言模型进行分析，并给出最佳结果，提高手写文字的识别率。

附图说明

图1是本发明具体实施方式中手写文字输入的流程图。

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。

在手写汉字切分中，可利用的信息有四个层次：部件、字、词、句，为了进行稳定准确的切分，应该充分利用这几个层次的信息。