(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(tǒng)。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)作為特征來區(qū)分不同的字符。后有人又將這種方法運(yùn)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(nèi)部筆劃粘連的字符的識別的適應(yīng)性較強(qiáng)，直觀性好，但是不易表示為矢量形式，不適合作為粗分類的特征，匹配難度大。

　　當(dāng)然還有許多種不同的統(tǒng)計(jì)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(tǒng)計(jì)識別與結(jié)構(gòu)識別的結(jié)合

　　結(jié)構(gòu)模式識別與統(tǒng)計(jì)模式識別各有優(yōu)缺點(diǎn)，隨著我們對于兩種方法認(rèn)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(jié)合的產(chǎn)物。字符圖象被均勻地或非均勻地劃分為若干區(qū)域，稱之為“網(wǎng)格”。在每一個(gè)網(wǎng)格內(nèi)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(shù)，細(xì)化后的筆劃的長度、網(wǎng)格部分的筆劃密度等等。特征的統(tǒng)計(jì)以網(wǎng)格為單位，即使個(gè)別點(diǎn)的統(tǒng)計(jì)有誤差也不會造成大的影響，增強(qiáng)了特征的抗干擾性。這種方法正得到日益廣泛的應(yīng)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ANN)是一種模擬人腦神經(jīng)元細(xì)胞的網(wǎng)絡(luò)結(jié)構(gòu)，它是由大量簡單的基本元件－神經(jīng)元相互連接成的自適應(yīng)非線性動態(tài)系統(tǒng)。雖然目前對于人腦神經(jīng)元的研究還很不完善，我們無法確定ANN的工作方式是否與人腦神經(jīng)元的運(yùn)作方式相同，但是ANN正在吸引著越來越多的注意力。

　　ANN中的各個(gè)神經(jīng)元的結(jié)構(gòu)與功能較為簡單，但大量的簡單神經(jīng)元的組合卻可以非常復(fù)雜，我們從而可以通過調(diào)整神經(jīng)元間的連接系數(shù)完成分類、識別等復(fù)雜的功能。ANN還具有一定的自適應(yīng)的學(xué)習(xí)與組織能力，組成網(wǎng)絡(luò)的各個(gè)“細(xì)胞”可以并行工作，并可以通過調(diào)整“細(xì)胞”間的連接系數(shù)完成分類、識別等復(fù)雜的功能。這是馮·諾依曼的計(jì)算機(jī)無法做到的。

　　ANN可以作為單純的分類器(不包含特征提取，選擇),也可以用作功能完善的分類器。在英文字母與數(shù)字的識別等類別數(shù)目較少的分類問題中，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(tǒng)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，省去了由人來決定特征提取的方法與實(shí)現(xiàn)過程。從這個(gè)意義上來說，ANN提供了一種“字符自動識別”的可能性。此外，ANN分類器是一種非線性的分類器，它可以提供我們很難想象到的復(fù)雜的類間分界面，這也為復(fù)雜分類問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的分類問題，ANN的規(guī)模會很大，結(jié)構(gòu)也很復(fù)雜，現(xiàn)在還遠(yuǎn)未達(dá)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本身的許多問題還沒有找到完美的答案。



　　【點(diǎn)擊查看更多精彩內(nèi)容】

　　相關(guān)新聞：

　　塑膠記憶印刷體預(yù)計(jì)2010年可望進(jìn)入市場 
　　紅樓夢印刷體祖本212.8萬元人民幣成交(圖)
　　全國首部印刷體“工尺譜”出版發(fā)行