[发明专利]一种基于CNN的手写中文文本识别方法

说明书

本发明公开了一种基于CNN的手写中文文本识别方法，所述方法将单个手写中文识别与文字分割算法结合起来，实现了手写中文文本的自动识别，所述方法包括以下步骤：对文本图片进行灰度化、二值化处理，再利用直方图投影对中文文本进行分割；先通过横向扫描分割出单行文字，再利用纵向扫描分割出单个文字；对单个中文图片进行扫描处理，对中文进行正射纠正，并使其位于图片中间位置，上下左右各留出10个空白像素；基于TensorFlow框架构造一个包括：4个卷积层、4个池化层和2个全连接层的卷积神经网络，利用训练集进行训练；输入待测图片，根据构建的卷积神经网络进行识别。

技术领域

本发明涉及计算机图像处理领域，尤其涉及一种基于CNN(卷积神经网络)的手写中文文本识别方法。

背景技术

手写中文识别是计算机图像和视觉研究领域的热点之一，在识别历史文档，邮件分类，手写笔记的转录等方面都得到了广泛地应用。尽管在过去的几十年中，国内外学者已经在该领域作了大量研究，但仍然有许多问题没有得到有效解决。手写中文识别的主要困难来自中文结构复杂，字符种类多，数据大，各人风格不同，手写失真等。在某些情况下，相似中文之间的无约束手写样本的差异可能非常小，例如字符“天”，“夫”和“夭”，“已”，“己”和“巳”，“目”，“白”和“自”等，使得识别任务更加具有挑战性。

到目前为止，各国科研人员在手写中文识别领域已经进行了半个多世纪的研究，提出了许多离线识别方法来实现手写中文文本的机器识别，其中，以基于修改的二次判别函数(MQDF)^[1]的方法最具代表性。此外，一些传统方法(如修改的二次判别函数MQDF、判别学习型二次判别函数DLQDF)，对手写中文识别数据库CASIA-HWDB取得了较好的识别效果，但识别准确率仍然低于93％，与人类表现尚有一定差距。

近年来，随着计算机硬件的发展和大量的训练数据集的建立，使得基于神经网络识别手写中文文本成为可能。LeCun在20世纪90年代提出了CNN来实现字符的机器识别，受到了广泛关注；随着近年来深度学习的兴起，CNN为手写中文识别带来了新的突破性技术，大大缩小了计算机与人类表现之间的差距。

目前，国内外学者已经利用更深层次的体系结构对CNN作了扩展，并采用更好的训练技术(如Dropout正规化方法)^[2]，以及更好的非线性激活功能(如ReLU线性整流函数)^[3]，成功解决了众多计算机视觉和模式识别领域存在的问题，取得了比较理想的实现效果，例如：在2013年举办的ICDAR(文档分析与识别国际会议)^[4]上在线和离线中文手写中文识别竞赛中，富士通团队在离线HCCR(手写中文识别)竞赛中获得第一名，准确率达到94.77％。2014年，吴等人基于4个经过改编训练的松弛卷积神经网络(ATR-CNN)，将手写中文识别的准确度提高到了96.06％。

但是，现有技术一些较高的识别准确率都只是基于单个中文的识别，而在实际应用方面大多数情况都是基于文本的识别，因此从实际应用角度出发，需要在手写中文文本识别上获得较高的准确率。此外，通过加深网络层次与复杂化网络结构来提高识别准确率，会很大程度地增加参数总数，不利于实际应用。

发明内容

本发明提供了一种基于CNN的手写中文文本识别方法，本发明解决了传统手写中文识别准确率较低的问题，并将单个手写中文识别与文字分割算法结合起来，实现了手写中文文本的自动识别，详见下文描述：

一种基于CNN的手写中文文本识别方法，所述方法将单个手写中文识别与文字分割算法结合起来，实现了手写中文文本的自动识别，所述方法包括以下步骤：

对文本图片进行灰度化、二值化处理，再利用直方图投影对中文文本进行分割；先通过横向扫描分割出单行文字，再利用纵向扫描分割出单个文字；

对单个中文图片进行扫描处理，对中文进行正射纠正，并使其位于图片中间位置，上下左右各留出10个空白像素；