12、阿拉伯语与波斯语手写文字识别技术解析

阿拉伯语与波斯语手写文字识别技术解析

1. 阿拉伯语手写文字识别

阿拉伯语手写文字识别中，嵌入式伯努利隐马尔可夫模型（BHMMs）是一种有效的方法。在处理阿拉伯语手写文字时，使用滑动窗口提取特征向量是关键步骤。

1.1 窗口化BHMMs

对于高度归一化为H像素的二值图像，特征向量$o_t$可以是位置$t$处的列，或者更一般地，是宽度为$W$列、以位置$t$为中心的窗口中各列的串联。这种方法虽不影响BHMM的定义及其最大似然估计，但有助于更好地捕捉图像在每个水平位置的上下文信息。例如，一个4列5行的二值图像，通过宽度为3的滑动窗口可转换为四个15维的特征向量。

为了克服一维“水平”HMM在处理垂直图像失真时的局限性，提出了三种窗口重新定位方法：垂直、水平和双向。基本思路是先计算提取窗口的质心，然后根据所选方法将窗口重新定位，使窗口中心与质心对齐。

1.2 实验

实验使用了IFN/ENIT数据库，该数据库包含32492个阿拉伯语单词图像，由1000多名不同作者书写，涵盖937个突尼斯城镇/村庄名称。实验前，将每个图像高度重新缩放为30行，保持原始宽高比，并使用大津二值化法进行二值化处理。然后将得到的二值图像集划分为五个折叠，分别标记为a、b、c、d和e。

• 窗口宽度的影响 ：滑动窗口宽度对基于BHMM的单词识别器的准确性有积极影响，但需要与状态条件有限混合模型的适当组件数量相结合。实验结果表明，使用滑动窗口能显著提高识别结果。例如，当$W = 9$和$I = 32$时，单词错误率（WER）达到7.4%，而不使用滑动窗口（$W = 1$）时，最佳结果