许亚美,何继爱

(兰州理工大学 计算机与通信学院，甘肃 兰州 730050)

0 引言

在关于手写文字识别的文献中，阿拉伯文字识别的研究逐渐受到关注[1-4]。阿拉伯文，简称阿文，是西亚阿拉伯地区和伊斯兰教信仰者使用的文字，使用者来自不同的国家与民族。阿文字母不能独立运用，字母相连书写成单词后才有语义，因此单词识别具有实际意义[4]。

阿文共有28个辅音字母、1个复合字母和12个元音符号，元音字母是在辅音字母上叠加元音符号而构成，每个字母根据在词中不同位置，有独立、前连、双连、后连中的2～4种字符格式，共演变成100个字符[5]。

图1 手写阿拉伯单词结构规则示例

鉴于上述讨论，本文针对手写阿拉伯文字，提出在组件(即字符或字符的一部分)层面上分解和识别单词。算法首先建立阿拉伯单词组件库，过分割单词图像形成组件序列，再结合形态特征和位置信息识别各组件并估计其权重。然后构建组件特征至单词的加权贝叶斯推理模型，加权融合组件识别置信度和构词先验信息，得到最终的单词识别结果。

1 阿文单词的组件分析

阿文单词组件是根据29个阿拉伯字母的100个变体字符和12个元音符号的形态和结构[5]来定义的，指在阿文单词中相对独立且可被共享的笔画区域块。根据组件特征，可将阿文组件分为3类： ①主体组件(main grapheme, MG)： 从字符的主要笔画中分割出的沿着基线书写的区域块，鉴于多段型组件易被过分割为其他组件，这里去掉多段型组件，并将这类组件分解后以不同于现有组件的新区域添加到主体组件；……