基于区域分割的 HMM 印度语手写词识别

本文提出了一种利用区域信息进行印度语手写词识别的新方法。由于复合字符、修饰符、重叠与连笔等导致的复杂性，印度语系（如 Devanagari、Bangla、Gurumukhi 及其他类似语系）中的字符分割与识别是一项繁琐的工作。为了避免此类语系中的字符分割，先前已以整体方式使用了基于 HMM 的序列建模。本文提出了一种高效的词识别框架，通过将手写词图像水平分割为三个区域（上、中、下）并识别相应的区域。这种区域分割方法的主要目的是减少独立部件类别的数量，相较于印度语系中的总类别数。因此，使用这种区域分割方法提高了系统的识别性能。中区域中字符大多连笔，该区域中的部件使用 HMM 进行识别。在中区域识别之后，应用基于 HMM 的 Viterbi 强制对齐来标记字符的左右边界。接下来，将上下区域中各自边界内的残留部件（如果有）进行组合，以实现最终的词级识别。该框架中集成了水库特征，以改善分割时的区域分割和字符对齐缺陷。提出了一种用于中区域识别的基于滑动窗口的新特征，称为金字塔方向梯度直方图（PHOG）。在 Bangla 和 Devanagari 两种印度语系上进行了详尽的实验以评估性能。实验发现，与传统的印度语词识别方式相比，所提出的区域识别提高了准确率。