專利名稱：漢字圖像特征提取方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像識別技術(shù)領(lǐng)域，尤其涉及一種漢字圖像特征提取方法及裝置。
背景技術(shù)：
目前，隨著人們生活水平的提高，汽車成為人們的代步工具，道路上的車輛也日益 增多。在車輛行駛的道路上，通常設(shè)置有監(jiān)控設(shè)備監(jiān)控道路上的車輛，其中，監(jiān)控設(shè)備主要 獲取車輛的車牌圖像，以便通過圖像識別系統(tǒng)對車牌的字符進(jìn)行識別。監(jiān)控系統(tǒng)獲得車牌 圖像中包括漢字、數(shù)字和字母等字符圖像信息。由于漢字筆畫比較復(fù)雜，因此識別難度大。 在現(xiàn)有技術(shù)中，在對漢字圖像進(jìn)行識別的過程中，需要通過漢字圖像特征提取方法將漢字 圖像的結(jié)構(gòu)特征提取出，然后圖像識別系統(tǒng)中的圖像分類器將根據(jù)提取出的漢字圖像特征 識別出漢字圖像的漢字信息。其中，結(jié)構(gòu)特征包括漢字的骨架特征和輪廓特征等信息。由上可知，當(dāng)待識別的漢字圖像出現(xiàn)傾斜扭曲時，現(xiàn)有技術(shù)漢字圖像特征提取方 法會因圖像發(fā)生傾斜扭曲而無法準(zhǔn)確的提取出漢字圖像中的漢字特征信息。因此，現(xiàn)有技 術(shù)漢字圖像提取方法的準(zhǔn)確率低。

發(fā)明內(nèi)容
本發(fā)明提供一種漢字圖像特征提取方法及裝置，用以解決現(xiàn)有技術(shù)中漢字圖像特 征提取方法的準(zhǔn)確率低的缺陷，實(shí)現(xiàn)提高漢字圖像特征提取方法的準(zhǔn)確率。本發(fā)明提供一種漢字圖像特征提取方法，包括根據(jù)檢測到的漢字圖像，創(chuàng)建小波函數(shù)；根據(jù)所述小波函數(shù)與所述漢字圖像，生成所述漢字圖像對應(yīng)的紋理圖；通過主成分分析算法對所述紋理圖進(jìn)行處理，以提取出所述漢字圖像對應(yīng)的漢字 特征信息。本發(fā)明又提供漢字圖像特征提取裝置，包括創(chuàng)建模塊，用于根據(jù)檢測到的漢字圖像，創(chuàng)建小波函數(shù)；生成模塊，用于根據(jù)所述小波函數(shù)與所述漢字圖像，生成所述漢字圖像對應(yīng)的紋 理圖；處理模塊，用于通過主成分分析算法對所述紋理圖進(jìn)行處理，以提取出所述漢字 圖像對應(yīng)的漢字特征信息。本發(fā)明提供的漢字圖像特征提取方法及裝置，通過根據(jù)檢測到的漢字圖像創(chuàng)建小 波函數(shù)，并通過小波函數(shù)將漢字圖像進(jìn)行處理以生成紋理圖，最后通過主成分分析算法對 紋理圖進(jìn)行處理，準(zhǔn)確的提取出漢字圖像對應(yīng)的漢字特征信息，有效的保留了漢字圖像的 各個頻率的特征細(xì)節(jié)，更加準(zhǔn)確的反映出漢字圖像對應(yīng)的漢字特征信息，提高了漢字圖像 特征提取方法的準(zhǔn)確率。


為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā) 明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以 根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明漢字圖像特征提取方法實(shí)施例的流程圖；圖2為本發(fā)明漢字圖像特征提取方法實(shí)施例中步驟1的具體流程圖；圖3為本發(fā)明漢字圖像特征提取方法實(shí)施例中步驟3的具體流程圖；圖4為本發(fā)明漢字圖像特征提取方法實(shí)施例中步驟31的具體流程圖；圖5為本發(fā)明漢字圖像特征提取方法實(shí)施例中步驟32的具體流程圖；圖6為本發(fā)明漢字圖像特征提取裝置實(shí)施例的結(jié)構(gòu)示意圖。
具體實(shí)施例方式為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例 中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是 本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員 在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。圖1為本發(fā)明漢字圖像特征提取方法實(shí)施例的流程圖。如圖1所示，本實(shí)施例漢 字圖像特征提取方法，包括步驟1、根據(jù)檢測到的漢字圖像，創(chuàng)建小波函數(shù)。具體而言，通過攝像機(jī)等圖像檢測設(shè)備可以獲得具有漢字的漢字圖像，例如道路 上的視頻監(jiān)控系統(tǒng)能夠檢測到車輛中車牌的圖像信息，其中，該圖像信息中就包含有漢字 圖像。步驟1將根據(jù)檢測到的漢字圖像的特征，對應(yīng)創(chuàng)建相應(yīng)的小波函數(shù)。其中，小波函數(shù) 可以用于提取圖像中對應(yīng)特定頻帶的區(qū)域，因?yàn)榧y理圖像可看作是具有準(zhǔn)周期性的信號， 其能量相對集中在一定的頻率范圍內(nèi)。如果這一頻率范圍與小波函數(shù)的通頻帶吻合，通過 小波函數(shù)濾波輸出的值將會很大；而如果不吻合，其輸出將受到抑制。所以可以根據(jù)小波函 數(shù)的不同頻率和方向?qū)D像進(jìn)行紋理分析。步驟2、根據(jù)小波函數(shù)與漢字圖像，生成漢字圖像對應(yīng)的紋理圖。具體而言，在通過步驟1將漢字圖像對應(yīng)的小波函數(shù)創(chuàng)建成功后，步驟2將根據(jù)步 驟1創(chuàng)建的小波函數(shù)與漢字圖像，通過小波函數(shù)對漢字圖像進(jìn)行濾波處理，從而生成該漢 字圖像對應(yīng)的紋理圖。步驟3、通過主成分分析(Principal Component Analysis,以下簡稱PCA)算法對 紋理圖進(jìn)行處理，以提取出漢字圖像對應(yīng)的漢字特征信息。具體而言，在通過步驟2生成漢字圖像對應(yīng)的紋理圖后，步驟3將通過PCA算法對 步驟2生成的紋理圖進(jìn)行處理以提取紋理圖中漢字信息的特征，從而方便準(zhǔn)確的提取出漢 字圖像對應(yīng)的漢字特征信息。本實(shí)施例漢字圖像特征提取方法，通過根據(jù)檢測到的漢字圖像創(chuàng)建小波函數(shù)，并 通過小波函數(shù)將漢字圖像進(jìn)行處理以生成紋理圖，最后通過主成分分析算法對紋理圖進(jìn)行 處理，準(zhǔn)確的提取出漢字圖像對應(yīng)的漢字特征信息，有效的保留了漢字圖像的各個頻率的特征細(xì)節(jié)，更加準(zhǔn)確的反映出漢字圖像對應(yīng)的漢字特征信息，提高了漢字圖像特征提取方 法的準(zhǔn)確率?；谏鲜黾夹g(shù)方案，可選的，如圖2所示，本實(shí)施例中的步驟1可以包括如下步驟步驟11、根據(jù)檢測到的漢字圖像，預(yù)設(shè)圖像的頻率下限值U1、頻率上限值U2、尺度 數(shù)s以及方向數(shù)k。具體而言，本實(shí)施例中的步驟11根據(jù)檢測到的漢字圖像，將事先設(shè)定圖像的頻率 下限值、頻率上限值、尺度數(shù)以及方向數(shù)等參數(shù)。其中，優(yōu)選的，本實(shí)施例中的尺度數(shù)s = 3， 而方向數(shù)k = 4。步驟12、根據(jù)頻率下限值、頻率上限值和尺度數(shù)，計(jì)算得出尺度因子a，即
a = (—)s"1。 Ul具體而言，本實(shí)施例中的步驟11將各個參數(shù)設(shè)定好后，步驟12將根據(jù)頻率下限
TJ 丄
值、頻率上限值和尺度數(shù)計(jì)算出尺度因子。具體公式為a = (^)M。步驟13、根據(jù)尺度因子和頻率上限值，計(jì)算得出調(diào)制頻率λ、X方向線寬0；￡以
Π Λ /, ,(a-\)U2
及Y方向線寬0y，艮M=^a=Xm其中’
σν = tan(丄)降-2 In(^)J [2 In 2 - (2 ^ 彳 < —。 v 2kUlUl2具體而言，在通過步驟12計(jì)算得出尺度因子的大小后，通過步驟13可以計(jì)算得到 調(diào)制頻率、X方向線寬以及Y方向線寬等參數(shù)。步驟14、根據(jù)檢測到的漢字圖像，確定檢測區(qū)域大小。具體而言，為了快速準(zhǔn)確的檢測出漢字圖像對應(yīng)的漢字信息，步驟14將根據(jù)漢字 圖像確定需要進(jìn)行檢測的檢測區(qū)域的大小，從而可以在確定好的檢測區(qū)域中對漢字圖像進(jìn) 行漢字識別。步驟15、根據(jù)X方向線寬和Y方向線寬，創(chuàng)建小波函數(shù)G(x，y)，即
以_ 及J^ ·
G(x,y) =exp( ^ ‘)exp(^—^( πλ^)，其中，R1
=xcos ( θ ) +ysin ( θ )，R2
=-XC0S ( θ )+ysin ( θ )，χ和y的取值范圍在檢測區(qū)域所在的區(qū)域范圍中，i2 =-ι j = I， 0彡η彡k。具體而言，步驟15根據(jù)上述步驟確定的各個參數(shù)，可以創(chuàng)建小波函數(shù)，具體公式
_. .Ci乂一/^春滅、,R,魯 R，、. _ ..
為=G(XJ) = ^-exp(—！~L)exp(^~exp(2^Li 10。其中，當(dāng)取 k = 4 時，θ 的取值
1πσχσν2σχ2<Jy
可以為0度、45度、90度和135度四個值，從而可以在漢字圖像的四個方向上分別建立相對 應(yīng)的小波函數(shù)。由于上述四個方向能夠完整的體現(xiàn)出漢字筆畫的結(jié)構(gòu)特征，從而通過在上 述四個方向上分別建立小波函數(shù)，可以更加準(zhǔn)確的獲得漢字圖像中所包含的漢字信息的結(jié) 構(gòu)特征，從而更加準(zhǔn)確的提取出漢字圖像對應(yīng)的漢字特征信息。其中，步驟15中χ和y的 取值范圍限定在步驟14中所確定的檢測區(qū)域中，從而可以針對步驟14中確定的檢測區(qū)域 確定小波函數(shù)的取值范圍。
6
更進(jìn)一步的，本實(shí)施例中的步驟2可以為將漢字圖像對應(yīng)的圖像函數(shù)I (X，y) 與小波函數(shù)G(x，y)進(jìn)行卷積，以得到紋理圖對應(yīng)的紋理函數(shù)H(x，y)dPH(x，y) = I (χ, y)*G(x，y)。具體的，在通過步驟1創(chuàng)建小波函數(shù)，本實(shí)施例中的步驟2將小波函數(shù)與漢字 圖像對應(yīng)的圖像函數(shù)進(jìn)行卷積處理，從而可以方便的得到漢字圖像對應(yīng)的紋理圖。其中，由 于小波函數(shù)為復(fù)變函數(shù)包括實(shí)部和虛部，而小波函數(shù)的虛部會影響生成紋理圖的準(zhǔn)確性， 因此，本實(shí)施例中的步驟2可以將圖像函數(shù)I(x，y)與小波函數(shù)G(x，y)的實(shí)部進(jìn)行卷積，以 得到紋理圖對應(yīng)的紋理函數(shù)H(x，y)。具體的，由于將小波函數(shù)的虛部去除，僅僅將小波函 數(shù)的實(shí)部與圖像函數(shù)進(jìn)行卷積，可以更加準(zhǔn)確的獲得漢字圖像對應(yīng)的紋理圖。本實(shí)施例漢字圖像特征提取方法，通過根據(jù)漢字圖像事先設(shè)定好相關(guān)參數(shù)，可以 方便的創(chuàng)建小波函數(shù)；另外，通過將小波函數(shù)的實(shí)部與漢字圖像對應(yīng)的圖像函數(shù)進(jìn)行卷積， 可以更加準(zhǔn)確的獲得漢字圖像對應(yīng)的紋理圖?；谏鲜黾夹g(shù)方案，可選的，如圖3所示，本實(shí)施例中的步驟3可以包括如下具體 步驟步驟31、通過PCA算法對所有預(yù)設(shè)的已知漢字信息的標(biāo)準(zhǔn)紋理圖進(jìn)行處理，以得 到所有預(yù)設(shè)的已知漢字信息所對應(yīng)的一維特征值矩陣。具體而言，本實(shí)施例中的步驟31首先對已知漢字信息的標(biāo)準(zhǔn)紋理圖通過PCA算法 進(jìn)行處理，例如以車牌中的漢字信息為例，將所有車牌中會出現(xiàn)的漢字所對應(yīng)的標(biāo)準(zhǔn)紋理 圖通過PCA算法進(jìn)行處理，從而可以得到所有漢字信息對應(yīng)的一維特征值矩陣。如圖4所 示，本實(shí)施例中的步驟31可以包括如下具體步驟步驟311、對每個標(biāo)準(zhǔn)紋理圖進(jìn)行處理，得到標(biāo)準(zhǔn)紋理圖對應(yīng)的一維矩陣。具體的， 本實(shí)施例以標(biāo)準(zhǔn)紋理圖的像素為16X16的大小為例進(jìn)行說明。通過步驟311可以將16X16 標(biāo)準(zhǔn)紋理圖進(jìn)行處理，得到1X256的一維矩陣。步驟312、將所有一維矩陣所構(gòu)成的總矩陣進(jìn)行處理，以得到協(xié)方差矩陣。具體的， 所有標(biāo)準(zhǔn)紋理圖對應(yīng)的一維矩陣將構(gòu)成HiX256總矩陣，其中，m為標(biāo)準(zhǔn)紋理圖的個數(shù)，通過 對總矩陣進(jìn)行處理可以得到對稱的協(xié)方差矩陣。步驟313、對協(xié)方差矩陣進(jìn)行特征分解，以得到按特征值由大到小排列的特征矩 陣。具體的，步驟313將對協(xié)方差矩陣進(jìn)行特征分解，從而可以獲得該協(xié)方差矩陣對應(yīng)的特 征值，并且按特征值由大到小排列形成特征矩陣。步驟314、對特征矩陣進(jìn)行降維處理，以得到一維特征值矩陣。具體的，步驟314將 選取部分特征值，實(shí)現(xiàn)對特征矩陣進(jìn)行降維，從而得到一維特征值矩陣。其中，本實(shí)施例中的步驟31可以在初次漢字圖像特征提取的過程中執(zhí)行便可，而 在通過步驟31確定一維特征值矩陣后，后續(xù)對其他漢字圖像進(jìn)行特征提取時，可以不再執(zhí) 行步驟31。步驟32、根據(jù)一維特征值矩陣與紋理函數(shù)，提取出漢字圖像對應(yīng)的漢字特征信息。具體而言，在通過步驟31獲得所有漢字對應(yīng)的一維特征值矩陣后，通過步驟32根 據(jù)一維特征值矩陣與紋理函數(shù)，可以準(zhǔn)確的提取出漢字圖像對應(yīng)的漢字特征信息。如圖5 所示，本實(shí)施例中的步驟32可以包括如下具體步驟步驟321、對紋理函數(shù)進(jìn)行處理，以得到漢字圖像對應(yīng)的一維待提取矩陣。具體的， 本實(shí)施例中的步驟321將對漢字圖像的紋理圖對應(yīng)的紋理函數(shù)進(jìn)行處理從而可以得到該
7漢字圖像對應(yīng)的一維待提取矩陣。例如紋理圖的像素為16X16，通過步驟321處理后將 得到1X256的一維待提取矩陣。步驟322、將一維待提取矩陣與一維特征值矩陣進(jìn)行卷積，以提取出漢字圖像對應(yīng) 的漢字信息。具體的，將步驟321得到的一維待提取矩陣與步驟31獲得一維特征值矩陣進(jìn) 行卷積，便可以準(zhǔn)確的得到該漢字圖像中漢字信息的所有結(jié)構(gòu)特征，從而方便準(zhǔn)確的提取 出漢字圖像對應(yīng)的漢字特征信息。本實(shí)施例漢字圖像特征提取方法，通過獲得所有預(yù)設(shè)的已知漢字信息所對應(yīng)的一 維特征值矩陣，并將漢字圖像的紋理圖對應(yīng)的紋理函數(shù)處理生成一維待提取矩陣，從而可 以將一維待提取矩陣與一維特征值矩陣進(jìn)行卷積，便可以方便準(zhǔn)確的提取出漢字圖像對應(yīng) 的漢字特征信息，更有利于提高本實(shí)施例漢字圖像特征提取方法的準(zhǔn)確率。本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述方法實(shí)施例的全部或部分步驟可以通過 程序指令相關(guān)的硬件來完成，前述的程序可以存儲于一計(jì)算機(jī)可讀取存儲介質(zhì)中，該程序 在執(zhí)行時，執(zhí)行包括上述方法實(shí)施例的步驟；而前述的存儲介質(zhì)包括R0M、RAM、磁碟或者 光盤等各種可以存儲程序代碼的介質(zhì)。圖6為本發(fā)明漢字圖像特征提取裝置實(shí)施例的結(jié)構(gòu)示意圖。如圖6所示，本實(shí)施 例漢字圖像特征提取裝置，包括創(chuàng)建模塊1、生成模塊2和處理模塊3。創(chuàng)建模塊1用于根據(jù)檢測到的漢字圖像，創(chuàng)建小波函數(shù)。生成模塊2用于根據(jù)小波函數(shù)與漢字圖像，生成漢字圖像對應(yīng)的紋理圖。處理模塊3用于通過主成分分析算法對紋理圖進(jìn)行處理，以提取出漢字圖像對應(yīng) 的漢字特征信息。本實(shí)施例中的創(chuàng)建模塊1、生成模塊2和處理模塊3的具體工作過程可以參見本發(fā) 明漢字圖像特征提取方法實(shí)施例中的記載，在此不再贅述。本實(shí)施例漢字圖像特征提取裝置，通過根據(jù)檢測到的漢字圖像創(chuàng)建小波函數(shù)，并 通過小波函數(shù)將漢字圖像進(jìn)行處理以生成紋理圖，最后通過主成分分析算法對紋理圖進(jìn)行 處理，準(zhǔn)確的提取出漢字圖像對應(yīng)的漢字信息，有效的保留了漢字圖像的各個頻率的特征 細(xì)節(jié)，更加準(zhǔn)確的反映出漢字圖像對應(yīng)的漢字特征信息，提高了漢字圖像特征提取裝置的 準(zhǔn)確率。最后應(yīng)說明的是以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡 管參照前述實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解其依然 可以對前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分技術(shù)特征進(jìn)行等同替 換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精 神和范圍。
8
權(quán)利要求
一種漢字圖像特征提取方法，其特征在于，包括根據(jù)檢測到的漢字圖像，創(chuàng)建小波函數(shù)；根據(jù)所述小波函數(shù)與所述漢字圖像，生成所述漢字圖像對應(yīng)的紋理圖；通過主成分分析算法對所述紋理圖進(jìn)行處理，以提取出所述漢字圖像對應(yīng)的漢字特征信息。
2.根據(jù)權(quán)利要求1所述的漢字圖像特征提取方法，其特征在于，所述創(chuàng)建小波函數(shù)，具 體為根據(jù)檢測到的所述漢字圖像，預(yù)設(shè)圖像的頻率下限值U1、頻率上限值U2、尺度數(shù)s以及 方向數(shù)k;根據(jù)所述頻率下限值、所述頻率上限值和所述尺度數(shù)，計(jì)算得出尺度因子a，即 根據(jù)所述尺度因子和所述頻率上限值，計(jì)算得出調(diào)制頻率入、乂方向線寬0!￡以 及Y方向線寬，。=;Lxv，其中， ’根據(jù)檢測到的所述漢字圖像，確定檢測區(qū)域大??；根據(jù)所述X方向線寬和所述Y方向線 寬，創(chuàng)建所述小波函數(shù) G(x，y),=exp(-^-i)exp(^—^-)exp(2^l0 ,其中，Rl = xcos ( θ ) +ysin ( θ )，R2 = -xcos ( θ ) +ysin ( θ )，x 和 y 的取值范圍在所述檢測區(qū)域所在的區(qū)域范圍中，i2 = -I卞，0彡η ^k0κ
3.根據(jù)權(quán)利要求2所述的漢字圖像特征提取方法，其特征在于，所述生成所述漢字圖 像對應(yīng)的紋理圖，具體為將所述漢字圖像對應(yīng)的圖像函數(shù)I (x，y)與所述小波函數(shù)G(x，y)進(jìn)行卷積，以得到紋 理圖對應(yīng)的紋理函數(shù)H(x，y)，即H(x，y) = I (x，y) *G(x，y)。
4.根據(jù)權(quán)利要求3所述的漢字圖像特征提取方法，其特征在于，所述生成所述漢字圖 像對應(yīng)的紋理圖，具體為將所述圖像函數(shù)I(x，y)與所述小波函數(shù)G(x，y)的實(shí)部進(jìn)行卷積，以得到所述紋理圖 對應(yīng)的紋理函數(shù)H(x，y)。
5.根據(jù)權(quán)利要求2或3所述的漢字圖像特征提取方法，其特征在于，所述通過主成分分 析算法對所述紋理圖進(jìn)行處理，以提取出所述漢字圖像對應(yīng)的漢字特征信息，具體為通過所述主成分分析算法對所有預(yù)設(shè)的已知漢字信息的標(biāo)準(zhǔn)紋理圖進(jìn)行處理，以得到 所有預(yù)設(shè)的已知漢字信息所對應(yīng)的一維特征值矩陣；根據(jù)所述一維特征值矩陣與所述紋理函數(shù)，提取出所述漢字圖像對應(yīng)的漢字特征信肩、ο
6.根據(jù)權(quán)利要求5所述的漢字圖像特征提取方法，其特征在于，所述通過所述主成分 分析算法對所有的已知漢字信息的標(biāo)準(zhǔn)漢字圖像對應(yīng)的標(biāo)準(zhǔn)紋理圖進(jìn)行處理，以得到所有2的已知漢字信息所對應(yīng)的一維特征值矩陣，具體為對每個所述標(biāo)準(zhǔn)紋理圖進(jìn)行處理，得到所述標(biāo)準(zhǔn)紋理圖對應(yīng)的一維矩陣； 將所有所述一維矩陣所構(gòu)成的總矩陣進(jìn)行處理，以得到協(xié)方差矩陣； 對所述協(xié)方差矩陣進(jìn)行特征分解，以得到按特征值由大到小排列的特征矩陣； 對所述特征矩陣進(jìn)行降維處理，以得到所述一維特征值矩陣。
7.根據(jù)權(quán)利要求6所述的漢字圖像特征提取方法，其特征在于，所述根據(jù)所述一維特 征值矩陣與所述紋理函數(shù)，提取出所述漢字圖像對應(yīng)的漢字信息，具體為對所述紋理函數(shù)進(jìn)行處理，以得到所述漢字圖像對應(yīng)的一維待提取矩陣； 將所述一維待提取矩陣與所述一維特征值矩陣進(jìn)行卷積，以提取出所述漢字圖像對應(yīng) 的漢字特征信息。
8.根據(jù)權(quán)利要求2或3所述的漢字圖像特征提取方法，其特征在于，k= 4。
9.根據(jù)權(quán)利要求2或3所述的漢字圖像特征提取方法，其特征在于，s= 3。
10.一種漢字圖像特征提取裝置，其特征在于，包括 創(chuàng)建模塊，用于根據(jù)檢測到的漢字圖像，創(chuàng)建小波函數(shù)；生成模塊，用于根據(jù)所述小波函數(shù)與所述漢字圖像，生成所述漢字圖像對應(yīng)的紋理圖；處理模塊，用于通過主成分分析算法對所述紋理圖進(jìn)行處理，以提取出所述漢字圖像 對應(yīng)的漢字特征信息。
全文摘要
本發(fā)明提供一種漢字圖像特征提取方法及裝置。漢字圖像特征提取方法，包括根據(jù)檢測到的漢字圖像，創(chuàng)建小波函數(shù)；根據(jù)所述小波函數(shù)與所述漢字圖像，生成所述漢字圖像對應(yīng)的紋理圖；通過主成分分析算法對所述紋理圖進(jìn)行處理，以提取出所述漢字圖像對應(yīng)的漢字特征信息。通過根據(jù)檢測到的漢字圖像創(chuàng)建小波函數(shù)，并通過小波函數(shù)將漢字圖像進(jìn)行處理以生成紋理圖，最后通過主成分分析算法對紋理圖進(jìn)行處理，準(zhǔn)確的提取出漢字圖像對應(yīng)的漢字特征信息，有效的保留了漢字圖像的各個頻率的特征細(xì)節(jié)，更加準(zhǔn)確的反映出漢字圖像對應(yīng)的漢字特征信息，提高了漢字圖像特征提取方法的準(zhǔn)確率。
文檔編號G06K9/48GK101916375SQ20101024281
公開日2010年12月15日 申請日期2010年7月26日 優(yōu)先權(quán)日2010年7月26日
發(fā)明者劉微, 孫志陽, 李挺, 王曉曼, 裴雷 申請人:青島海信網(wǎng)絡(luò)科技股份有限公司