认识到手写的单词被删除

Question

我正在开发Visual Studio平台上的手写识别和相关内容，并使用openCV库。输入采用二进制扫描.tif图像的形式。

目前我遇到了一个障碍，试图找出一种方法来识别被删除的单词，就像你用直线/曲线击出（取消）单词一样。我不会做个别字符识别'因为这会浪费计算能力。

有没有办法以另一种方式识别这种情况？

以下是我遇到的两个想法，但我不确定 - 1 GT;使用像＆lt;这样的面具0 0 0,1 1 1,0 0 0＆gt;这将有助于找到所有水平线...但这将是一个非常大的假设。线条可以是波浪状的，也可以是任何方向。

2 - ;骨架化输入并寻找交叉点。这将给我相当多的交叉点 - 包括由于用于击出单词的线而发生的交叉点。使用一些近似像最小二乘等我可以得到一个近似的线。但问题是交叉口可能在许多地方发生 - 例如。 'b'等2个交叉点。

有什么建议吗？

Answer 1

您是否考虑过使用Hough transform来检测打击线？

这是一个illustration of the use of hough transform in handwriting，它将为您提供直观的方法：

您可以使用openCV快速测试它。该函数称为cvHoughLines2。

Answer 2

为什么不处理轮廓？你可以利用Poly（Ten-Chin）近似，只分析链重建产生的几个向量。如果你想做更多，那么使用混合金字塔/轮廓方案，以获得具有不同细节水平的向量近似值，从粗略分辨率到最精细。

当您获得“合理”数量的独特细分时，停止细化，应用标准化（参见Moments - Hu's Moments）来制作样本的指纹，并最终采用强大的分类系统。

我建议你看一下OpenCV套件的ML（机器学习）部分，以便更好地参考后一部分。对于栅格数据，Haar的小波+隐马尔可夫模型效果很好，对于矢量，也许你可以使用较难设置的东西（SOM，KNN，KMeans）。

Answer 3

我会选择个性识别。这可能是对计算能力的浪费，但它可以提供最好的结果。只需找到一种从字符识别中获取值的方法，该值可以显示字符识别的好坏，然后找到非字符的阈值。我认为取消将以某种方式破坏char，使得识别会有问题找到一些东西，也许你可以用这个事实来找到被取消的字符。为了改善结果，查找在文本的同一区域中被严重识别的许多字符，通常整个单词被取消，因此不良识别结果将聚集。

如果你的表现最终非常糟糕，你可以随时回来并改进算法。