周庆曙，陈劲杰，纪鹏飞

(上海理工大学 机械工程学院，上海 200093)



基于SVM的多特征手写体汉字识别技术

周庆曙，陈劲杰，纪鹏飞

(上海理工大学 机械工程学院，上海 200093)

针对传统的模板匹配法对汉字的识别率较低，文中提出一种基于SVM的多特征手写体汉字识别技术。在提取网格特征的基础上增加对汉字质心特征、笔划特征、特征点的提取，并采用SVM算法构造分类器，实现对手写体汉字的识别。实验结果表明，该方法的平均识别率为95.9%，高于传统的模板匹配法。

SVM；网格特征；质心特征；笔划特征；特征点

汉字作为中华民族文化的信息载体，与人们的日常学习和工作密不可分。在网络信息交流中，需要输入大量的中文信息[1]，重复、单调的传统键盘手工输入方式效率低下，已逐渐不能满足迅速发展的信息化时代。而传统的模板匹配法对于汉字的识别率不高，作者提出一种基于SVM的多特征手写汉字识别技术，可大幅提高汉字的识别率以及录入效率。

1　系统流程

首先对汉字图像进行灰度化、二值化、形态学处理、倾斜校正、字符分割和归一化、细化等图像预处理操作，再对字符进行特征提取，最后采用SVM算法构造分类器。系统识别流程如图1所示。

2　SVM原理

SVM (Support Vector Machines)是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，面对小样本问题，其能表现出良好的学习能力，并能做到与数据的维数无关[2]。

图1　汉字识别流程图

SVM方法是从线性可分情况下的最优分类超平面提出的，所谓最优分类超平面就是要求分类平面不但能将两类无错地分开，且要使分类平面两侧样本之间的间隔最大[4]。……