[发明专利]基于字头分组的印刷体满文单词识别方法

说明书

基于字头分组的印刷体满文单词识别方法，属于文字识别领域，为了解决提高满文识别正确率的问题，要点是包括如下步骤：对满文单词彩色图像，根据满文单词的首字母对满文单词分组，满文单词词头字母相同的单词分配到同一识别网络，满文单词词头字母不相同的单词分配到不同识别网络，能够独立表达含义的单独字母，不同字母分配到不同的识别网络，识别网络是深度卷积神经网络，识别网络对满文单词识别，降低了识别复杂度，且使用深度卷积神经网络识别网络对满文单词无须分割，同时也无需人工设计特征提取器，从而识别正确率被提高。

技术领域

本发明属于文字识别领域，涉及一种基于字头分组的印刷体满文单词识别方法。

背景技术

“满语”和“满文”是满族的语言和文字。清朝将满文作为法定文字推广和使用，形成了大 量满文古籍文献，内容涉及政治、历史、经济和文化等各个方面，具有重要的历史文化价值。 满语在2009年被联合国教科文组织列为极度濒临灭绝的语言，满族语言文化遗产亟待抢救 和保护得到了国家和社会各界的认同和重视。目前国际主流的历史文献保护措施是数字化保 护与开发：依托数字图书馆、数字博物馆和数字档案馆等“互联网+”模式，采用机器学习、 图像处理、计算机视觉和互联网等现代信息技术，达到对历史文档的保护、共享、检索和信 息挖掘等目的。满文濒临灭绝的现状迫切要求以数字化满文历史文档为对象，开展满文文档 图像的光学字符识别技术研究，对于保护和传承中华民族历史文化遗产，推进少数民族古籍 数字化和信息化等方面具有重要意义。

发明内容

为了解决提高满文识别正确率的问题，且实现满文识别无需分割步骤、也不需要人工设 计特征提取器、降低识别复杂度，本发明提出如下技术方案：

一种基于字头分组的印刷体满文单词识别方法，包括如下步骤：对满文单词彩色图像， 根据满文单词的首字母对满文单词分组，满文单词词头字母相同的单词分配到同一识别网 络，满文单词词头字母不相同的单词分配到不同识别网络，能够独立表达含义的单独字母， 不同字母分配到不同的识别网络，识别网络是深度卷积神经网络，识别网络对满文单词识别。

进一步，所述识别网络，卷积神经网络共包含9层，其中有4层卷积层C1、C2、C3、C4，2层下采样层S1、S2，3层全连接层。

进一步，所述识别网络，其输入为64像素×64像素的RGB满文单词图像

进一步，每个卷积层的滤波器尺寸是5像素×5像素，滤波器的个数是32，激活函数是 RELU函数，RELU函数如下：

R(x)＝max(0,x) (1)

式中，x表示神经元的输入值，R(x)表示神经元的输出值。

进一步，采样层S1、S2采用最大值池化，池化滤波器尺寸为2像素×2像素，步长为2像素，对输入图像的2像素×2像素区域，取该区域的最大值替代整个区域的4点像素值。

进一步，3层全连接层位于识别网络的最后三层。

进一步，全连结层的激活函数是softmax函数，如下式：

式中，N表示类别个数，j表示某一个类别，j＝{1,2,…,N}，m表示每个类别的训练样本个数， (x⁽ⁱ⁾,y⁽ⁱ⁾)表示第i对训练样本，i＝{1,2,…,m}，x⁽ⁱ⁾∈R^M×M,_y⁽ⁱ⁾∈R,x⁽ⁱ⁾和y⁽ⁱ⁾分别是样本的 特征相量和标签，θ_j^T和θ_l^T都表示神经网络学习的参数，对应第j类和第l类的参数，T表 示矩阵的转置，M表示维度。