[发明专利]一种粘连字符的识别方法

权利要求书

1.一种用于粘连字符的识别方法，其特征在于：

识别用的分类器要求除了能归类之外，还能度量到一个类的偏离度或距离，用dev^*标记；实际用的偏离度dev是原始偏离度dev^*加了补偿值，如果分类器直接导出的度量是按相似度sim或得分score的，可以按单调降函数转换为dev^*，即dev^*＝-log(sim)，或dev^*＝-log(score/100)，也即dev＝dev^*+offset,补偿值是对于右侧当前预分割位置right_cur所处状态的一种惩罚因子；对dev设置两个可信阈值，一个是高可信阈值T1，一个是基本可信阈值T2，两者满足T2T1；

假设需要分割的字符以块为单位，每个块包含若干段，这里的段是指沿垂直字符排列方向投影字符区，投影值连续大于零的一个区间为一段；对每个块先计算三个参数值：前进步长step_pre、回退步长step_back和最大前进步数max_preTimes；然后对字符块采用边识别边分割字的方式，共分为五个步骤：

S1、初步预估：令初始的切割位置设在离左端为step_pre的位置处，如果切割的位置刚好位于空白处，则更改切割位置为相邻左段的右边界，如果右侧剩余的部分的宽度0.5×step_pre，则很可能是本字的小部分，就更改切割位置为本块右端；然后对截取区间内的目标计算特征并输入到分类器进行识别，如果最小偏离度dev_minT1，或者已经到达块的右边界并且dev_minT2,就按已经找到分割的位置，可以跳过步骤S2；否则如果只是dev_minT2,那么当前的作为候选分割位置；

S2、回退查找：从当前切割位置开始按步长step_back逐步回退，如果回退后的位置位于段之间的空白处，则更改当前位置为相邻左段的右边界；对截取区间内的目标计算特征并输入到分类器进行识别，如果还没有候选分割位置并且dev_minT2,则记录候选分割位置；如果有候选分割位置并且最小偏离度比候选位置的要小，则更新候选分割位置；如果当前dev_minT1,则停止回退，作为正式分割位置；

S3、增加字长：如果经过前面两步还没有找到候选分割位置，则向右增加一个长度为step_pre的段，重复执行步骤S1和步骤S2，只是截取的起始位置不变，但是回退查找的范围只为新增的这一段；重复增加字长，直到找到或者前进步数≥最大前进步数max_preTimes为止，如果前进步数≥最大前进步数max_preTimes，则按本块识别失败处理；

S4、位置细化：如果已经找到分割或候选分割位置pos_seg，且此位置是位于一个段的内部，则可以细化处理，按左右两处位置pos_seg-step_refine、pos_seg+step_refine测试是否有dev值更小，更小则更新位置，其中step_refine的初值为step_back/2，每次减半直到为1或满足所需为止；

S5、记录当前字的最终的分割位置和识别结果；然后计算下一个字的起始位置，也即去掉当前切割位置左侧的部分后，本块剩余部分投影像素值不为0的最左位置，重复上述步骤直到本块识别完毕。

2.如权利要求1所述的粘连字符的识别方法，其特征在于：

前进步长为step_pre＝Hb×WH_ave×(1+Δ)×P，其中Δ为一小值，满足0≤Δ≤0.2，Hb为本块块高，WH_ave为训练样本的字平均宽高比，P约为识别目标和训练样本的平均宽高比之比，一般情况下值为1。

3.如权利要求2所述的粘连字符的识别方法，其特征在于：

回退步长为step_back＝Hb/K，其中K≥6。

4.如权利要求2所述的粘连字符的识别方法，其特征在于：

最大前进步数为max_preTimes＝WH_max/(WH_ave×(1+Δ))+1，其中WH_max为训练样本集中的字宽高比的最大值。