[发明专利]一种基于图片的字体识别方法、装置及电子设备

权利要求书

1.一种基于图片的字体识别方法，其特征在于，包括：

依据预先设置的小波变换级数，对待识别图片进行小波变换，得到第一小波特征向量；

依据预先通过样本计算获得的线性变换矩阵对所述第一小波特征向量进行特征变换，得到第一变换特征向量；

依据所述第一变换特征向量，以及预先通过样本计算获得的样本字体的特征参数，计算判决函数值；

根据所述判决函数值，确定所述待识别图片中的字符的字体。

2.根据权利要求1所述的基于图片的字体识别方法，其特征在于，所述依据预先设置的小波变换级数，对待识别图片进行小波变换，得到第一小波特征向量，包括：

依据预先设置的小波变换级数，对待识别图片进行小波变换，得到两个以上的第一小波变换子图片；

提取各第一小波变换子图片的特征，并将提取的各第一小波变换子图片的特征进行组合，得到第一小波特征向量。

3.根据权利要求1所述的基于图片的字体识别方法，其特征在于，

在依据预先设置的小波变换级数，对待识别图片中的字符进行小波变换，得到第一小波特征向量之前，所述方法，还包括：

依据预先设置的小波变换级数，对样本进行小波变换，得到第二小波特征向量；

依据所述第二小波特征向量，确定所述线性变换矩阵。

4.根据权利要求3所述的基于图片的字体识别方法，其特征在于，所述依据预先设置的小波变换级数，对样本进行小波变换，得到第二小波特征向量，包括：

依据预先设置的小波变换级数，对第j类样本中第i个样本字符进行小波变换，得到所述第i个样本字符的两个以上小波变换子图片；其中，1≤j≤C，C表示样本字体类别数目，1≤i≤N_j，N_j表示第j类样本中的样本数；

提取所述第i个样本字符的各小波变换子图片的特征，并将提取的所述第i个样本字符的各小波变换子图片的特征进行组合，得到所述第i个样本的第二小波特征向量。

5.根据权利要求4所述的基于图片的字体识别方法，其特征在于，所述依据所述第二小波特征向量，确定所述线性变换矩阵，包括：

计算每类样本中各样本的第二小波特征向量均值以及所有类样本中各样本的第二小波特征向量均值；

依据每类样本中各样本的第二小波特征向量均值以及所有类样本中各样本的第二小波特征向量均值，计算类内散度矩阵以及类间散度矩阵；

依据类内散度矩阵以及类间散度矩阵，计算得到组合矩阵，对组合矩阵进行特征值和特征向量分解，得到按值的大小降序排列特征向量；

提取特征向量中前m个特征向量，得到所述线性变换矩阵，其中，m为预先设置的常数。

6.根据权利要求5所述的基于图片的字体识别方法，其特征在于，所述依据每类样本中各样本的第二小波特征向量均值以及所有类样本中各样本的第二小波特征向量均值，计算类内散度矩阵以及类间散度矩阵，包括：

依据如下公式计算类内散度矩阵以及类间散度矩阵：

式中，

S_w表示类内散度矩阵；

S_b表示类间散度矩阵；

u表示所有类样本中各样本的第二小波特征向量均值；

u_j表示第j类样本中各样本的第二小波特征向量均值；

V_i表示第i个样本的第二小波特征向量；

N_j表示第j类样本中的样本数；

C表示样本字体类别数目。

7.根据权利要求5所述的基于图片的字体识别方法，其特征在于，所述依据类内散度矩阵以及类间散度矩阵，计算得到组合矩阵包括：

获取类内散度矩阵的逆矩阵；

将类内散度矩阵与类间散度矩阵相加，得到和矩阵；

计算和矩阵与逆矩阵的积，得到组合矩阵。