范道尔吉,高光来, 武慧娟

(1. 内蒙古大学 计算机学院, 内蒙古 呼和浩特 010021; 2. 内蒙古大学 电子信息工程学院, 内蒙古 呼和浩特 010021)

0　引言

建立蒙古文手写数据库是研究和开发蒙古文手写识别技术的基础。公开权威的手写字库是训练识别系统的基础数据，也是客观公正地评比不同识别算法的衡量标准。但目前还没有公开的、权威的、大词词汇量的蒙古文手写字库。

近几年来，蒙古文信息化研究在办公自动化、语音识别、OCR等领域获得较大成功[1-3]。然而，自由手写文字识别、文档分析等方面研究仍在起步阶段。汉字手写识别研究起步比较早，清华大学、中科院自动化所等著名高校和科研院所都致力于汉字识别的研究,以汉王科技股份有限公司为首的科技企业也推出了一系列成熟的商业产品。很多论文提出的脱机手写体汉字识别的方法在不同的字符数据库试验中, 取得了95%～99%的识别率[4-6]。

目前, 具有代表性的手写汉字数据库有: HCL2000、HIT-MW、ETL字符数据[7]。经常被使用的其他手写字库有： IAM-DB、IFN/ENIT、RIMES和Maurdor等。其中IAM-DB是英语句子的手写字库，大概包括10 841单词[8]。IFN/ENIT是小规模词汇的阿拉伯语单词手写字库[9]。RIMES是大词汇量的法语手写字库[10]。Maurdo是英语、法语和阿拉伯语印刷体和手写体的混合字库[11]。

本文主要研究了蒙古文脱机手写字库制作过程中的若干问题，包括文字抽样、图片预处理、文字分割、错误检测等。在此基础上公开了一个包含10万训练样本的脱机手写数据库，并在隐马尔科夫模型(hidden markov model, HMM)、深层神经网络(deep neural network, DNN)-HMM混合模型和递归神经网络(recurrent neural networks，RNN)模型上评估了测试集的性能。……