粘连字符分割方法
【专利摘要】本发明提供一种粘连字符分割方法，首先将粘连字符的图像骨架化处理，选择骨架特征点，接着，对粘连字符图像像素点的坐标进行SOM神经网络聚类分析，得到神经元的拓扑分布；然后能够确定字符分割点，字符分割点为邻域范围内含有SOM神经元的骨架特征点，最后根据字符分割点分割粘连字符的骨架图像，复原被分割的字符骨架，从而能得到分割好的字符。本发明的粘连字符分割方法，相对于滴水分割法和利用隐型马尔科夫链的分割法，分割字符的准确率大大提高。
【专利说明】粘连字符分割方法
【技术领域】
[0001] 本发明涉及一种粘连字符分割方法，属于字符识别【技术领域】。
【背景技术】
[0002] 光学字符识别（OCR)是模式识别学科的一个重要研究领域。近年来，OCR技术在 许多领域中得到广泛的运用，例如手写支票的识别、邮政编码自动分检、车牌和集装箱自动 识别、验证码的识别等。目前，大多数字符识别是针对单字进行识别的，在这些应用系统中 通常先对字符图像进行二值化等预处理操作，把待识别字符从图像中提取出来，然后把提 取的字符串分割成一系列的单个字符，再送入分类器进行单字识别。因此，字符分割是OCR 系统中一个必不可缺的关键步骤，占有极其重要的位置。
[0003] 连通分量提取法是一种被广泛应用字符分割方法，但是这种方法不能分割粘连字 符，只能分割没有粘连的字符。粘连字符的分割目前主要应用滴水分割法和利用隐型马尔 科夫链的分割法。
[0004] 滴水分割法主要是模仿水滴从高处向低处滴落的过程来对粘连字符进行切分。水 滴从字符串顶部在重力的作用下，只能沿字符轮廓向下滴落或水平滚动，当水滴陷在轮廓 的凹处时，将渗漏到字符笔画中，经穿透笔画后继续滴落，最终水滴所经过的轨迹就构成了 字符的分割路径。利用隐型马尔科夫链的分割法采用人工分割的样本作为训练集合，采用 固定大小的小块学习字符之间的可分割概率作为先验知识，对输入图像使用马尔科夫网 络，从先验知识中得到一个概率图，表示图像中各个位置可能成为分割点的概率，对概率图 使用图像分割算法进行分割，得到字符串的分割位置。
[0005] 滴水分割法在处理有多个"凹处"和字符扭曲倾斜的验证码时，无法确定准确的滴 水渗漏处，错误判断分割位置，造成分割字符笔画的断裂。利用隐型马尔科夫链的分割法的 实施过度依赖先验知识，适用于固定格式的验证码。对字符大小和字符间距变化较大的验 证码，则无法准确分割。因此，滴水分割法和利用隐型马尔科夫链的分割法分割字符的准确 率很差。
【发明内容】
[0006] 本发明是为了解决上述问题而进行的，目的在于提供一种能够准确分割字符的粘 连字符分割方法。
[0007] 本发明为了实现上述目的，采用了以下技术方案：
[0008] 本发明提供一种粘连字符分割方法，其特征在于，包括以下步骤：
[0009] 步骤一、采集字符图像，提取字符图像像素点的坐标，确定字符粘连区域；
[0010] 步骤二、将粘连字符的图像骨架化处理，得到粘连字符的骨架图像，提取骨架图像 中的骨架分支点，根据约束条件，选择相应的骨架分支点为骨架特征点；
[0011] 步骤三、对粘连字符图像像素点的坐标进行SOM神经网络聚类分析，使得SOM神经 元逼近像素点密集区域，得到SOM神经元的拓扑分布；
[0012] 步骤四、确定字符分割点，字符分割点为邻域范围内含有SOM神经元的骨架特征 占.
[0013] 步骤五、根据字符分割点分割粘连字符的骨架图像，复原被分割的字符骨架，得到 分割好的字符。
[0014] 另外，在本发明的粘连字符分割方法中，还可以具有这样的特征：其中，步骤一中， 字符粘连区域通过连通分量提取法确定。
[0015] 另外，在本发明的粘连字符分割方法中，还可以具有这样的特征：其中，步骤二中， 粘连字符的图像采用基于Voronoi图的骨架化算法进行骨架化处理。
[0016] 另外，在本发明的粘连字符分割方法中，还可以具有这样的特征：其中，骨架分支 点为八邻域内至少存在三个骨架像素点的骨架像素点。
[0017] 另外，在本发明的粘连字符分割方法中，还可以具有这样的特征：其中，骨架特征 点为候选分割点区域内的骨架分支点，候选分割区域的边界为Cr = mc± ?f，mc-?f为候 选分割区域的左边界，mc+?f为候选分割区域的右边界，me为粘连字符图像的中轴，?为 窗口因子。
[0018] 另外，在本发明的粘连字符分割方法中，还可以具有这样的特征：其中，窗口因子
【权利要求】
1. 一种粘连字符分割方法，其特征在于，包括以下步骤： 步骤一、采集字符图像，提取所述字符图像像素点的坐标，确定字符粘连区域； 步骤二、将所述粘连字符的图像骨架化处理，得到所述粘连字符的骨架图像，提取所述 骨架图像中的骨架分支点，根据约束条件，选择相应的骨架分支点为骨架特征点； 步骤三、对粘连字符图像像素点的坐标进行SOM神经网络聚类分析，使得SOM神经元逼 近像素点密集区域，得到所述SOM神经元的拓扑分布； 步骤四、确定字符分割点，所述字符分割点为邻域范围内含有所述SOM神经元的所述 骨架特征点； 步骤五、根据所述字符分割点分割所述粘连字符的骨架图像，复原被分割的字符骨架， 得到分割好的字符。
2. 根据权利要求1所述的粘连字符分割方法，其特征在于： 其中，所述步骤一中，所述字符粘连区域通过连通分量提取法确定。
3. 根据权利要求1所述的粘连字符分割方法，其特征在于： 其中，所述步骤二中，所述粘连字符的图像采用基于Voronoi图的骨架化算法进行骨 架化处理。
4. 根据权利要求1所述的粘连字符分割方法，其特征在于： 其中，所述骨架分支点为八邻域内至少存在三个骨架像素点的骨架像素点。
5. 根据权利要求1所述的粘连字符分割方法，其特征在于： 其中，所述骨架特征点为候选分割点区域内的所述骨架分支点，所述候选分割区域的 边界为cr=me± ?f，me-?f为所述候选分割区域的左边界，mc+?f为所述候选分割区域 的右边界，me为粘连字符图像的中轴，为窗口因子。
6. 根据权利要求5所述的粘连字符分割方法，其特征在于： 其中，所述窗口因子
t为粘连字符的笔画宽度。
7. 根据权利要求1所述的粘连字符分割方法，其特征在于： 其中，所述步骤四中，所述骨架特征点与所述S0M神经元之间的邻域范围定义为阈值Dt，所述Dt为：Dt= (t/2+2)，t为粘连字符的笔画宽度。
【文档编号】G06K9/34GK104408455SQ201410707078
【公开日】2015年3月11日 申请日期:2014年11月27日 优先权日:2014年11月27日
【发明者】曹树建, 刘雯雯, 简献忠, 尹征 申请人:上海理工大学