刘颖滨 孙燕南 荀恩东



一种基于三维空间信息的字形匹配方法

刘颖滨†孙燕南 荀恩东

北京语言大学大数据与语言教育研究所, 北京 100083; †通信作者, E-mail: liuyb@blcu.edu.cn

提出一种基于三维空间信息的字形匹配方法。首先将字形轮廓Bézier曲线的二维控制点集扩展至三维, 然后为三维点集建立高斯混合模型, 最后通过最小化高斯混合模型间的欧氏距离(L2)完成匹配。采用三维空间信息可以充分利用字形所蕴含的内在约束条件。采用高斯混合模型有利于在匹配过程中保持字形整体结构特征和局部书写特征。实验结果表明, 该方法提升了汉字单笔画以及整字字形匹配的准确度和美观度, 并且具有稳定性高、扩展性强的特点。

字形匹配; 高斯混合模型; 点集匹配; 三维空间

字形匹配指按照一定的准则, 衡量汉字字形的相似程度, 从而建立对应关系并进行变换的过程, 是字形美化的关键步骤[1–2]。传统字形匹配方法有基于骨架的方法[3]、基于笔画还原的方法[4]和基于特征提取的方法[5]等。近年来, 点集匹配算法[6-11]发展较快, 并且已经被应用到字形匹配领域[12–14]。

记两个有限维空间中的点集{,}为待匹配点集, 其中为目标点集,为模型点集。在匹配过程中,保持固定不变,向不断逼近。点集匹配问题可描述为找到一个变换, 使得经过变换后的结果点集与目标点集实现最优匹配。点集匹配算法分为基于刚体变换和基于非刚体变换两种。非刚体变换属于局部性几何形变, 自由度更高, 匹配效果较好。……