Распознавание слитных рукописных слов с помощью нечетких глирафов

  • Анатолий [Anatoly] Васильевич [V.] Князев [Kniazev]
Ключевые слова: распознавание, рукописный текст, нечеткий глираф

Аннотация

Рассмотрен метод распознавания слитного рукописного текста, основанный на понятии глирафа — конструкции, объединяющей свойства графа и линейчатого рисунка. По исходному изображению рукописного слова построен модифицированный глираф как совокупность линий толщиной в одну точку, называемых плетями. Глирафу противопоставлен опорный граф, вершинами которого являются концевые точки плетей и узловые точки, в которых сходится несколько плетей, а ребрами являются сами плети. Нечеткий глираф — это глираф с нечетким опорным графом. Он формируется во время обучения. Описаны процедуры построения нечеткого глирафа и сравнения опорных графов. Предложен вариант распознавания слитных рукописных слов как взаимодействие двух процессов — объединения определенных множеств плетей в группу и идентификации сформированных групп как некоторых символов. Процесс объединения плетей в группу представляет собой выделение некоторого подглирафа в исходном глирафе, а идентификация символа — это определение сходства выделенного подглирафа и библиотечных глирафов, представляющих символы. Разбиение слова на подглирафы — задача неоднозначная, здесь возможны различные варианты, поэтому результатом данного этапа является граф символов слова —ориентированный граф без циклов, ребра которого соответствуют символам. Каждый путь в этом графе от начальной до конечной вершины представляет собой один из возможных вариантов распознавания данного слова. Идентификация выполняется в несколько шагов. На первом шаге отыскиваются эталонные глирафы, нечеткие опорные графы которых сходны с опорным графом идентифицируемого глирафа, и определяется степень сходства опорных графов. На втором шаге производится сравнение плетей найденных эталонных глирафов с соответствующими плетями идентифицируемого глирафа. При этом вычисляются коэффициенты схожести соответствующих плетей и общий коэффициент схожести глирафов. На третьем шаге выбирается эталонный глираф, наиболее схожий с идентифицируемым глирафом, и сопоставляется символ этого эталонного глирафа.

Сведения об авторе

Анатолий [Anatoly] Васильевич [V.] Князев [Kniazev]

Учёная степень:

кандидат технических наук

Место работы

кафедра Математического моделирования НИУ МЭИ

Должность

доцент

Литература

1. Artieres Th., Marucatat S. Online Handwritten Shape Recognition Using Segmental Hidden Markov Models // IEEE Trans. Pattern Analysis and Machine Intelligence. 2007. V. 29. No. 2. Pp. 205—217.

2. Xue H., Govindaraju V. Hidden Markov Models Combining Discrete Symbols and Continuous Attributes in Handwriting Recognition // IEEE Trans. Pattern Analysis and Machine Intelligence. 2006. V. 28. No. 3. Pp. 458—462.

3. Chichang J., Hang-Chang L. Handwritten Numeral Recognition Based on Simplified Structural Classification and Fuzzy Membershios // Expert System Appl. 2009. V. 36. No. 9. Pp. 11858—11863.

4. Qiao Y., Nishiara M., Yasuhara M. A Framework Toward Restoration of Writing Order From Single-Stroked Handwriting Image // IEEE Trans. Pattern Analysis And Machine Intelligence. 2006. V. 28. No. 11. Pp. 1724—1737.

5. Ghosh M., Ghosh R. A Fully Automated Offline Handwriting Recognition System Incorporating Rule Based Neural Network Validated Segmentation and Hybrid Neural Network Classifier // Intern. J. Pattern Recognition and Artificial Intelligence. 2004. V. 18. No. 7. Pp. 1267—1283.

6. Астахова И.Ф., Мищенко В.А., Краснояров А.В. Алгоритм обучения нечеткой нейронной сети Ванга – Менделя для распознавания рукопечатных символов в работе почтовой службы // Вестник ВГУ. Сер.«Системный анализ и информационные технологии». 2011. № 2. С. 144—148.

7. Князев А.В. Об одном подходе к распознаванию рукописных слов // Вестник МЭИ. 2010. № 5. С. 124—128.

8. Князев А.В. Распознавание слитных рукописных слов с помощью модифицированных глирафов // Вестник МЭИ. 2016. № 1. C. 39—43.
---
Для цитирования: Князев А.В. Распознавание слитных рукописных слов с помощью нечетких глирафов // Вестник МЭИ. 2017. № 5. С. 117—120. DOI: 10.24160/1993-6982-2017-5-117-120.
#
1. Artieres Th., Marucatat S. Online Handwritten Shape Recognition Using Segmental Hidden Markov Models. IEEE Trans. Pattern Analysis and Machine Intelligence. 2007;29;2:205—217.

2. Xue H., Govindaraju V. Hidden Markov Models Combining Discrete Symbols and Continuous Attributes in Handwriting Recognition. IEEE Trans. Pattern Analysis and Machine Intelligence. 2006;28;3:458—462.

3. Chichang J., Hang-Chang L. Handwritten Numeral Recognition Based on Simplified Structural Classification and Fuzzy Membershios. Expert System Appl. 2009;36;9:11858—11863.

4. Qiao Y., Nishiara M., Yasuhara M. A Framework Toward Restoration of Writing Order From Single-Stroked Handwriting Image. IEEE Trans. Pattern Analysis And Machine Intelligence. 2006;28;11:1724—1737.

5. Ghosh M., Ghosh R. A Fully Automated Offline Handwriting Recognition System Incorporating Rule Based Neural Network Validated Segmentation and Hybrid Neural Network Classifier. Intern. J. Pattern Recognition and Artificial Intelligence. 2004;18;7:1267—1283.

6. Astahova I.F., Mishchenko V.A., Krasnoyarov A.V. Algoritm Obucheniya Nechetkoy Neyronnoy Seti Van- ga – Mendelya dlya Raspoznavaniya Rukopechatnyh Simvolov v Rabote Pochtovoy Sluzhby. Vestnik VGU. Ser. «Sistemnyy Analiz i Informatsionnye Tekhnologii». 2011;2:144—148.

7. KnyazevA.V. Ob Odnom Podhode k Raspoznavaniyu Rukopisnyh Slov. Vestnik MPEI. 2010;5:124—128.

8. Knyazev A.V. Raspoznavanie Slitnyh Rukopisnyh Slov s Pomoshch'yu Modifitsirovannyh Glirafov. Vestnik MPEI. 2016;1:39—43.
---
For citation: Knyazev A.V. Recognition of Joined-up Handwritten Words by Means of Fuzzy Glyraphs. MPEI Vestnik. 2017;5: 117—120. (in Russian). DOI: 10.24160/1993-6982-2017-5-117-120.
Опубликован
2019-01-18
Раздел
Информатика, вычислительная техника и управление (05.13.00)