27、基于隐马尔可夫模型的在线阿拉伯手写文字识别

基于隐马尔可夫模型的在线阿拉伯手写文字识别

1. 引言

在线阿拉伯手写文字识别在处理手写文字时面临诸多挑战，如书写风格的多样性、延迟笔画的存在等。为了有效解决这些问题，我们采用了隐马尔可夫模型（HMM），结合强大的在线和离线特征提取方法，实现了高效准确的识别系统。

2. 预处理

2.1 平滑和重采样

平滑处理旨在消除因书写不规则和采集设备缺陷导致的轮廓锯齿。对于轨迹上的每个点 (P_t(x(t),y(t)))，根据以下公式进行替换：
[
P_t = \sum_{k=-n}^{n} \alpha_k P_{t+k}, \quad \sum_{k=-n}^{n} \alpha_k = 1
]
其中，(\alpha_k = (2n + 1)^{-1})，使得每个点的坐标为自身及其 (2n) 个邻点的均值。

重采样算法基于轨迹分割方法，重新分布数据点，使笔画上的点间距均匀。实验表明，重采样距离应与每个字符 HMM 的状态数以及每个 HMM 帧中的点数成反比。

2.2 基线检测

基线检测是预处理的重要环节，它依赖于测试单词的全局基线。我们采用水平投影方法，具体步骤如下：
1. 通过插值每个笔画构建离线有界图像。
2. 移除一些易于检测的延迟笔画，这些笔画面积小且书写方向固定。
3. 在任意基线下方狭窄区域（20%）内搜索直方图，寻找高于最大投影值 80% 的值。
4. 若存在该值，则将此垂直位置选为任意基线，解决某些阿拉伯字母在直方图中产生峰值的问题。
5. 将每个像素垂直厚度增加到 5 像素，提高 PAWs