[发明专利]一种具有仿反馈调整机制的脱机手写体汉字认知方法

说明书

本发明公开了一种具有仿反馈调整机制的脱机手写体汉字认知方法，其特征包括：第一阶段是待认知样本集认知需求知识的获取；第二个阶段是基于所选取的认知方法提取待认知样本的特征；第三个阶段是集成模式分类器最优模型的训练；第四个阶段是基于模糊积分对不同认知方法下的认知结果进行融合认知；第五个阶段是认知结果评价，根据对认知结果的判断，重新激活前面四个阶段的过程。本发明在面对多类别样本的情形下能够根据不同样本的认知需求实现不同认知方法区分对待，同时根据认知结果的可信性评判对误识样本进行多层次仿反馈认知，显著提高了认知精度。

技术领域

本发明属汉字认知技术领域，具体涉及一种具有仿反馈调整机制的多认知方法融合的认知方法。

背景技术

汉字识别是人工智能的一个重要研究领域，在银行签名自动识别、教学办公自动化和大文本识别存储等方面得以广泛应用。目前，对手写体汉字的特征提取方法的研究既有学术论文对此做了深入的理论分析，也有实际应用的工程方法，如发明专利《一种用于手写体汉字识别的图像特征提取方法》(CN101488182B)和发明专利申请《一种基于多特征融合的车牌汉字识别方法》(CN104573707A)。

其中于2010年12月29日授权的中国发明专利公开书《一种用于手写体汉字识别的图像特征提取方法》(CN101488182B)，提供一种用于手写汉字识别的图像特征提取方法，将手写汉字图像切分成一系列稳定的特征提取区域，再通过尺度不变性特征变换算法对这些区域进行特征提取，克服了直接应用SIFT特征点定位无法提取有效的适应不同书写风格的尺度不变特征的问题，结合手写汉字图像的特点，应用弹性网格技术与SIFT特征，设计出基于二次局部弹性区域的SIFT特征的手写汉字特征提取方法。但是该发明存在着以下的不足：认知系统是基于无反馈开环模式构建的，对不同的样本采用相同认知方法完成认知对象优化特征空间的建立和分类认知，并且特征空间和分类认知准则一旦建立不再更新；因不同样本的认知方法适用度大不相同，对聚类中心附近的样本区分能力强的认知方法往往不适用于分类面附近的相似样本。

中国发明专利申请公开说明书CN104573707A于2015年4月29日公开的《一种基于多特征融合的车牌汉字识别方法》采用的是基于多特征融合的车牌汉字识别方法，包括待测图像归一化；改进HOG特征，获取待测图像的汉字边缘特征；获取待测图像的汉字灰度特征；基于LBP特征理论，获取待测图像的汉字纹理特征；融合待测图像的汉字边缘特征、灰度特征、纹理特征，获取待测图像的融合特征向量；基于SVM分类器，预测分类结果等步骤。该发明综合利用了汉字的全局特征和局部特征，识别更加准确，对于低质量图像和强干扰图像，具有较强的鲁棒性。但是该发明存在着以下的不足：开环认知系统对认知对象的特征空间和分类认知准则一旦建立不再更新；对不同特征提取方法下的特征向量只做简单的相加处理，容易导致分类器出现过拟合现象。

发明内容

为了克服现有技术存在的缺陷与不足，本发明提出一种具有仿反馈调整机制的脱机手写体汉字认知方法，以期解决开环无反馈认知系统中认知方法固定不变、误识率高的问题，从而能够仿人自由调整认知方法进行多层反馈认知，准确地将待认知样本进行分类认知，显著提高认知精度。

为了实现上述发明目的，本发明采用如下的技术方案：

本发明一种具有仿反馈调整机制的脱机手写体汉字认知方法的特点是按如下步骤进行：

步骤1、认知需求知识的分析

步骤1.1、选取规则汉字数据样本库中的n个样本作为训练样本集；m个样本作为测试样本集；

步骤1.2、对所述训练样本集进行象素数量的粗分类，获得所述训练样本集中每个样本的类别，包括：简单字、一般字和复杂字；选择占最多比例的类别作为所述训练样本集的整体类别，记为z₁；