论文部分内容阅读
该文的研究工作是基于离线方法的笔迹样本的特征提取和识别,以手写笔迹样本图像作为研究对象,研究、验证和实现基于E-HMM(嵌入式-隐马尔可夫模型)算法模型的笔迹特征提取和识别方法.该文研究的主要内容是:首先,对传统的纹理图像分析方法和笔迹识别方法进行研究,分析了现有方法的特点和缺陷,进而,提出了应用E-HMM(嵌入式-隐马尔可夫模型)算法进行笔迹纹理图像特征提取和模式识别的思想.进而,文章对E-HMM算法模型的模型构建、学习算法和匹配识别等问题进行了深入研究和讨论,并以笔迹样本作为研究对象,在Intel公司的OpenCv系统的HMMDemo子系统上进行了多项实验研究和分析验证.另外,该文对实验子系统的程序框架进行了分析和研究,为实现把不同的特征分析算法在同-子系统中替换的目标进行了研究准备工作.该文在算法研究和识别实验的过程中,还对应用E-HMM算法模型进行人脸识别的研究进行了相关阐述,同笔迹识别问题的研究结论进行了比较和借鉴.该文的主要工作和贡献是:1、研究应用图像分块和DCT(离散余弦变换)方法,进行笔迹图像样本的预处理工作,通过样该图像块从时域到频域的变换,提取反映主要样本统计特征的低频信息,构造E-HMM观察向量;2、研究应用E-HMM(嵌入式隐马尔可夫模型)算法模型,进行笔迹样本的特征训练和匹配识别,在实现提取样本的纹理统计特征的同时,反映手写文字的结构信息,实现对笔迹样本的更有效的特征表现;3、基于上述算法理论,该文研究分析了Intel公司的IPL类库和OpenCv系统的功能模块,文章对其中的HMMDemo子系统的程序设计框架和数据结构进行了深入分析,为实现识别算法可替换和程序框架复用做了许多准备性的研究工作.4、最后,该文应用HMMDemo子系统,进行了笔迹识别的多项实验,并对实验结果进行了分析和比较,进一步支撑和验证了该文提出的关于纹理图像特征提取和匹配识别的思想和结论.