[发明专利]一种基于局部协作表示分类的手写汉字识别方法

权利要求书

1.一种基于局部协作表示分类的手写汉字识别方法，其特征在于，包含步骤：

S1、选取手写汉字库，提取所述手写汉字库中所有手写汉字的特征向量并分类，建立特征向量集A＝[A_i]_i∈[1,k]；A_i为A中的第i类特征向量，m为A_i中每个特征向量的维数，n_i为A_i中特征向量的个数，k为从手写汉字库中提取的特征向量类别总数；提取待识别手写汉字的特征向量y，其中y∈R^m；

S2、在每类特征向量中找出与y最相似的一个特征向量，构造字典D₁；

S3、基于L₂范数求解y在D₁中的协作稀疏表示向量通过求取y对D₁的第一重构残差；根据所述第一重构残差选取特征向量集A中的N类特征向量构造字典D₂，D₂也即为A中与y最相似的N类特征向量；

S4、基于L₂范数求解y在D₂中的协作稀疏表示向量k′为所述N类特征向量中包含的特征向量总数；通过求取y对D₂的第二重构残差；根据所述第二重构残差判断y对应于A中特征向量类别，实现识别手写汉字。

2.如权利要求1所述的基于局部协作表示分类的手写汉字识别方法，其特征在于，所述步骤S2包含：

S21、计算高斯核K(y,A_ij)＝exp(-||y-A_ij||²/σ)，i∈[1,k]，j∈[1,n_i]，A_ij∈A_i，一个高斯核对应A中一个特征向量；其中K(·)表示高斯核函数；δ是y与A中所有特征向量的欧式距离的均值；

S22、从高斯核集中选取一个最小的高斯核，令特征向量d_i等于所述最小的高斯核对应的特征向量；d_i∈A_i，i∈[1,k]；

S23、构造字典D₁＝{d₁,d₂,...,d_k}。

3.如权利要求2所述的基于局部协作表示分类的手写汉字识别方法，其特征在于，步骤S21中的δ具体是指：

其中A_pq为特征向量集A中的一个特征向量；表示y与A_pq的欧式距离；n为A中所有特征向量的个数，

4.如权利要求1所述的基于局部协作表示分类的手写汉字识别方法，其特征在于，所述步骤S3中，具体包含：

S31、计算协作稀疏表示向量中的第i个元素对应d_i；其中λ₁是正则化参数，I是单位矩阵，i∈[1,k]；

S32、计算第一重构残差r_i(y)对应d_i、A_i，i∈[1,k]；其中是将中不与d_i对应的元素设为0之后所得的k维向量；||·||₂表示L₂范数；

S33、从第一重构残差集合R₁＝{r₁(y),...,r_k(y)}选出N个最小的第一重构残差；

S34、将A中与所述N个最小的第一重构残差对应的N类特征向量分别记为A′₁、...、A′_N；构造字典D₂＝{A′₁，...,A′_N}。