中文字符识别系统的研究与实现

吉林大学学报(信息科学版) ›› 2020, Vol. 38 ›› Issue (2): 199-205.

中文字符识别系统的研究与实现

王凌燕

山西传媒学院融媒技术学院，山西晋中 303619

收稿日期:2018-10-15 出版日期:2020-03-24 发布日期:2020-05-20
作者简介:王凌燕(1983— )，女，山西忻州人，山西传媒学院讲师，主要从事数字媒体技术及数据分析应用研究，(Tel)86-13403468022(E-mail)63033233@ qq． com。
基金资助:
民族民间文化资源传承与开发利用技术集成与应用示范基金资助项目(2017YFB1402100)

Ｒesearch and Implement of Chinese OCＲ System

WANG Lingyan

College of Media Technology，Communication University of Shanxi，Jinzhong 303619，China

Received:2018-10-15 Online:2020-03-24 Published:2020-05-20

摘要/Abstract

摘要： 为提高字符识别率，将 DAG-SVM(Directed Acyclic Graph Support Vector Machine)算法应用于字符识别，
提出了一种基于 DAG-SVM 的 OCＲ(Optical Character Ｒecognition) 中文字符识别系统，分别对图像预处理、
分割，字符识别 3 个模块进行了研究与实现。图像预处理采用图像滤波、灰度化处理、图像归正; 图像分割包
括二值化处理、横向及纵向分割; 字符识别模块对当前流行的三大类算法进行了研究，选用 DAG-SVM 作为字
符识别的算法，并基于 Matlab 进行了实现及验证。结果表明该系统 OCＲ字符识别率达 92． 86%。

关键词: 图像预处理, 图像分割, 图像二值化, 字符识别, 支持向量机

Abstract: In order to improve the recognition rate，the DAG-SVM(Directed Acyclic Graph Support Vector
Machine) algorithm is applied to character recognition，and an OCＲ(Optical Character Ｒecognition) system
based on DAG-SVM，which can be divided into three components is proposed． Algorithms of image pre-
processing，image segmentation and OCＲ are researched． Image pre-processing，the first part，contains image
filtering，graying and tilt correction． And the second component is image segmentation，which contains
binaryzation and segmentation from two sides． The last part is character recognition，whose main algorithms is
researched and DAG-SVM is choosed． The system is simulated by Matlab，and the results show that the
recognition rate is 92． 86% ．

Key words: , image pre-processing, image segmentation, image binaryzation, character recognition, support
vector machine

中图分类号:

王凌燕. 中文字符识别系统的研究与实现[J]. 吉林大学学报(信息科学版), 2020, 38(2): 199-205.

WANG Lingyan. Ｒesearch and Implement of Chinese OCＲ System[J]. Journal of Jilin University (Information Science Edition), 2020, 38(2): 199-205.

[1]	李学贵, 郭远涛, 李盼池, 王艾. 基于改进涡流搜索算法的支持向量机分类模型[J]. 吉林大学学报(信息科学版), 2020, 38(3): 312-319.
[2]	霍凤财, 孙雪婷, 任伟建, 杨迪, 于涛. Lab 空间的改进k-means 算法彩色图像分割[J]. 吉林大学学报(信息科学版), 2019, 37(2): 148-154.
[3]	张雯頩，康冰. 驾驶员疲劳状态检测方法研究[J]. 吉林大学学报(信息科学版), 2018, 36(3): 252-259.
[4]	金兰依, 郭树旭, 马树志, 刘晓鸣, 孙长建, 李雪妍. 基于半监督阶梯网络的肝脏CT 影像分割[J]. 吉林大学学报(信息科学版), 2018, 36(2): 158-164.
[5]	王昕, 李亮, 尹小童, 李梦烁, 曾朝伟, 艾勇鑫. 甲状腺结节超声图像多特征融合及识别[J]. 吉林大学学报(信息科学版), 2017, 35(6): 650-655.
[6]	张雨烟, 陈万忠, 张涛, 李明阳. 基于非负矩阵分解的癫痫脑电自动检测[J]. 吉林大学学报(信息科学版), 2017, 35(5): 551-559.
[7]	杨永健, 聂瑜, 吴洋, 孙广志, 杨仲尧. 基于 SVM 新的情感计算方法[J]. 吉林大学学报(信息科学版), 2017, 35(4): 438-442.
[8]	兰兰, 陈万忠, 魏庭松. 基于融合特征提取与 LLE 方法的表情识别[J]. 吉林大学学报(信息科学版), 2017, 35(4): 384-391.
[9]	李学贵,许少华,李娜,赵恩涛,郭昊 . 基于涡流搜索算法的过程支持向量回归机模型[J]. 吉林大学学报(信息科学版), 2017, 35(3): 341-346.
[10]	胡云鹏, 王世刚. 基于支持向量机与朴素贝叶斯的犯罪度理论研究[J]. 吉林大学学报(信息科学版), 2017, 35(1): 20-25.
[11]	杜昭慧,司玉娟 . 基于层次支持向量机的脉搏信号情感识别[J]. 吉林大学学报(信息科学版), 2017, 35(1): 37-42.
[12]	王昕,李亮,才晓东 . 改进 LIC 模型的甲状腺结节超声图像分割算法[J]. 吉林大学学报(信息科学版), 2017, 35(1): 68-75.
[13]	唐国维,张岩,王苫社,刘彦彤,赵璨 . 基于 ε-SVR 的嵌入式小波图像编码算法[J]. 吉林大学学报(信息科学版), 2017, 35(1): 76-84.
[14]	王丹,臧雪柏,陈奋君 . 基于 Latent SVM 的多视角行为识别方法[J]. 吉林大学学报(信息科学版), 2016, 34(6): 747-752.
[15]	宋晓洋, 刘立勋. 基于SVM 回归的连续血压测量方法[J]. 吉林大学学报(信息科学版), 2016, 34(3): 384-389.