(9)特征點(diǎn)特征。早在1957年，Solatron Electronics Group公司發(fā)布了第一個(gè)利用窺視孔(peephole)方法的OCR系統。其主要思想是利用字符點(diǎn)陣中一些有代表性的黑點(diǎn)(筆劃)，白點(diǎn)(背景)作為特征來(lái)區分不同的字符。后有人又將這種方法運用到漢字識別中，對其中的黑點(diǎn)又增加了屬性的描述，如端點(diǎn)、折點(diǎn)、交叉點(diǎn)等。也獲得了比較好的效果。其特點(diǎn)是對于內部筆劃粘連的字符的識別的適應性較強，直觀(guān)性好，但是不易表示為矢量形式，不適合作為粗分類(lèi)的特征，匹配難度大。

　　當然還有許多種不同的統計特征，諸如圖描述法、包含配選法、脫殼透視法、差筆劃法等，這里就不一一介紹了。

　　統計識別與結構識別的結合

　　結構模式識別與統計模式識別各有優(yōu)缺點(diǎn)，隨著(zhù)我們對于兩種方法認識的深入，這兩種方法正在逐漸融合。網(wǎng)格化特征就是這種結合的產(chǎn)物。字符圖象被均勻地或非均勻地劃分為若干區域，稱(chēng)之為“網(wǎng)格”。在每一個(gè)網(wǎng)格內尋找各種特征，如筆劃點(diǎn)與背景點(diǎn)的比例，交叉點(diǎn)、筆劃端點(diǎn)的個(gè)數，細化后的筆劃的長(cháng)度、網(wǎng)格部分的筆劃密度等等。特征的統計以網(wǎng)格為單位，即使個(gè)別點(diǎn)的統計有誤差也不會(huì )造成大的影響，增強了特征的抗干擾性。這種方法正得到日益廣泛的應用。

　　人工神經(jīng)網(wǎng)絡(luò )

　　人工神經(jīng)網(wǎng)絡(luò )(Artificial Neural Network，以下稱(chēng)ANN)是一種模擬人腦神經(jīng)元細胞的網(wǎng)絡(luò )結構，它是由大量簡(jiǎn)單的基本元件－神經(jīng)元相互連接成的自適應非線(xiàn)性動(dòng)態(tài)系統。雖然目前對于人腦神經(jīng)元的研究還很不完善，我們無(wú)法確定ANN的工作方式是否與人腦神經(jīng)元的運作方式相同，但是ANN正在吸引著(zhù)越來(lái)越多的注意力。

　　ANN中的各個(gè)神經(jīng)元的結構與功能較為簡(jiǎn)單，但大量的簡(jiǎn)單神經(jīng)元的組合卻可以非常復雜，我們從而可以通過(guò)調整神經(jīng)元間的連接系數完成分類(lèi)、識別等復雜的功能。ANN還具有一定的自適應的學(xué)習與組織能力，組成網(wǎng)絡(luò )的各個(gè)“細胞”可以并行工作，并可以通過(guò)調整“細胞”間的連接系數完成分類(lèi)、識別等復雜的功能。這是馮·諾依曼的計算機無(wú)法做到的。

　　ANN可以作為單純的分類(lèi)器(不包含特征提取，選擇),也可以用作功能完善的分類(lèi)器。在英文字母與數字的識別等類(lèi)別數目較少的分類(lèi)問(wèn)題中，常常將字符的圖象點(diǎn)陣直接作為神經(jīng)網(wǎng)絡(luò )的輸入。不同于傳統的模式識別方法，在這種情況下，神經(jīng)網(wǎng)絡(luò )所“提取”的特征并無(wú)明顯的物理含義，而是儲存在神經(jīng)物理中各個(gè)神經(jīng)元的連接之中，省去了由人來(lái)決定特征提取的方法與實(shí)現過(guò)程。從這個(gè)意義上來(lái)說(shuō)，ANN提供了一種“字符自動(dòng)識別”的可能性。此外，ANN分類(lèi)器是一種非線(xiàn)性的分類(lèi)器，它可以提供我們很難想象到的復雜的類(lèi)間分界面，這也為復雜分類(lèi)問(wèn)題的解決提供了一種可能的解決方式。

　　目前，在對于象漢字識別這樣超多類(lèi)的分類(lèi)問(wèn)題，ANN的規模會(huì )很大，結構也很復雜，現在還遠未達到實(shí)用的程度。其中的原因很多，主要的原因還在于我們對人腦的工作方式以及ANN本身的許多問(wèn)題還沒(méi)有找到完美的答案。



　　【點(diǎn)擊查看更多精彩內容】

　　相關(guān)新聞：

　　塑膠記憶印刷體預計2010年可望進(jìn)入市場(chǎng) 
　　紅樓夢(mèng)印刷體祖本212.8萬(wàn)元人民幣成交(圖)
　　全國首部印刷體“工尺譜”出版發(fā)行