細化算法在手寫體字符識別中的應用

摘 要：在手寫體字符識別的研究中，在提取特征的過程中需要提取字符的骨架信息，所以要對每一個字符進行細化處理。在研究S和LW細化算法的基礎上，采用串行細化與并行細化相結合的方法，并引入一些模板改進算法使其能夠有效去除多余枝杈和冗余像素的問題;通過對手寫體數(shù)字、字母的文字進行測試，表明該細化效果較好，并有一定的實用價值。

關鍵詞：骨架;連通;模板;串行細化;并行細化

Application of Thinning Algorithms in Handwriting Character Recognition

LI Yongjiang，PAN Baochang，HENG Shenglin

(College of Information Engineering，Guangdong University of Technology，Guangzhou，510006，China)

Abstract：In the study of handwriting recognition，getting the skeleton information is needed in the process of extracting features，so we should thin every character before that.Based on the study of S and LW thinning algorithms，combine the serial thinning with the parallel thinning methods and bring some template to improve the thinning algorithm and make it successfully solve the problems such as needless trees and useless pixel.After testing in handwriting number and letters，it shows that the algorithm has better effect and is worth for application.

eywords：skeleton;connectivity;template;serial thinning;parallel thinning

1 引 言

細化又稱為骨架化，一個圖像的骨架，是指圖像中央的骨骼部分，是描述圖像幾何及拓撲性質的重要特征之一。細化在模式識別特別是文字識別的前期處理中起著十分重要的作用，它能從文字中抽出模式的特征信息，因此對于骨架化，一方面要求去掉多余的像素，另一方面要求保存模式的基本結構和特征。細化效果的好壞將直接影響識別速度及識別的準確率?？梢哉f能否進行有效的細化，已成為識別系統(tǒng)成功與否的關鍵所在。

細化算法按照處理過程中的迭代方式又分為串行和并行。串行細化算法的處理結果依賴于對像素處理的先后順序，因而像素點的消除或保留無法預測；而并行細化算法在對圖像進行細化時由于利用相同的條件同時檢測所有像素點，其結果是各向同性。因此就算法原理而言，并行方法優(yōu)于串行方法。由于并行細化算法快速、準確，一直是人們的研究熱點，并且出現(xiàn)多種并行細化算法，其中以HANG和SUEN提出的算法(S 尤為典型，S是一種并行、8鄰接的細化算法，由于它兼顧連續(xù)性，對直線、拐角及T型交叉點能比較精確地保持與原圖像的一致，處理效果很好，且同時從4個方向處理，迭代次數(shù)少、執(zhí)行速度快，但缺點是局部信息丟失、細化結果存在冗余像素。LU和WANG提出對S的改進算法(LW，使S的局部信息丟失問題得到改善，但同時又產(chǎn)生多余枝杈問題，且細化結果仍然存在冗余像素。

本文針對S和LW并行細化算法存在的問題，對算法稍微做一點改進，在LW基礎是加入模板并用串行方法進行細化。通過實驗表明，雖然并不能完全消除枝杈，因為生成枝杈因素不同，但卻已經(jīng)能較好地消除大部分多余枝杈和冗余像素問題，具有較好的效果和魯棒性。

2 典型細化算法

典型的細化算法有Hilditch，Pavlidis，Posenfeld和S細化算法等，其中S細化算法尤為典型，是目前應用最為普遍的方法之一。 當人們開發(fā)出一種新的算法時，也經(jīng)常引用S細化算法來與新算法進行比較，以評定新算法的優(yōu)劣。

S細化算法流程中包含2個子迭代，只有當圖像中的像素符合下述每一個條件時，才能標記為可以刪除點：