甘恒 黎曙 张松华 郭婷

（中国船舶重工集团公司第七〇五研究所昆明分部 云南省昆明市 650000）

1 引言

脱机手写体汉字不仅具有汉字类别多、字体结构复杂、字型变化多、相似字多的共性，还具有书写风格众多、书写不规范和随意性较大等特点，使得脱机手写体汉字识别成为目前模式识别研究领域最困难的问题之一。

近年来，一些新的方法理论运用到脱机手写体汉字识别领域，如神经网络、粗糙集等。脱机手写体汉字可以认为是一个无限样本的问题——同一个汉字不同人书写是不同的，即使同一个人两次书写两个汉字也是不同的。而实际情况下脱机手写体汉字分类识别问题只能通过有限样本来训练识别待识别样本。与神经网络、粗糙集相比支持向量机（SVM）在处理这类小样本时问题方面具有明显优势。同时汉字集是一个大集合，仅一级常用汉字就达到3755 个。在处理大类别问题时，识别器会出现识别率低、速度慢以及内存消耗巨大甚至根本无法实现。因此必须要首先对汉字集进行粗分类，将待识别汉字缩小到一个字符集中，然后再进行细识别。粗分类的正确率将直接影响到细识别的准确度。

本文通过对手写体汉字像素密度的研究，提出了一种优化二叉树粗分类的算法。目前采用粗分类的方法主要有：按汉字字型结构特征、按汉字部首特征等。按汉字字型结构特征进行粗分类存在某些字的字型结构不明确的问题。按汉字部首特征粗分类，存在某些部首特征难于提取。……