基于HMM和GMM的维吾尔语联机手写体识别研究

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (11): 202-205.

基于HMM和GMM的维吾尔语联机手写体识别研究

许辉1，热依曼·吐尔逊1，2，吾守尔·斯拉木2

1.新疆大学多语种信息技术重点实验室，乌鲁木齐 830046
2.新疆大学信息科学与工程学院，乌鲁木齐 830046

出版日期:2014-06-01 发布日期:2015-04-08

Online-handwriting recognition research of Uyghur word using GMM and HMM

XU Hui1, Riyiman TURSUN1，2, Wushour SILAMU2

1.Key Laboratory of Multi-Language Information Technology, Xinjiang University, Urumqi 830046, China
2.College of Information Science & Engineering, Xinjiang University, Urumqi 830046, China

Online:2014-06-01 Published:2015-04-08

摘要/Abstract

摘要： 给出了一个基于HMM和GMM双引擎识别模型的维吾尔语联机手写体整词识别系统。在GMM部分，系统提取了8-方向特征，生成8-方向特征样式图像、定位空间采样点以及提取模糊的方向特征。在对模型精细化迭代训练之后，得到GMM模型文件。HMM部分，系统采用了笔段特征的方法来获取笔段分段点特征序列，在对模型进行精细化迭代训练后，得到HMM模型文件。将GMM模型文件和HMM模型文件分别打包封装再进行联合封装成字典。在第一期的实验中，系统的识别率达到97%，第二期的实验中，系统的识别率高达99%。

关键词: 维吾尔文, 手写体, 隐Markov模型（HMM）, 高斯混合模型（GMM）

Abstract: This paper presents an online-handwriting recognition system of Uyghur language based on GMM and HMM twin-engine recognition model. In the GMM part, the system extracts 8-directional features, then generates 8-directional pattern images, locates spatial sampling points and extracts the blurred directional features. The GMM model files are formed after the iterative training of the model refinement. In the HMM part, the system obtains the line_segmen_features sequence by applying line_segment_features method. The HMM model files are got from the iterative training of the model refinement as well. The GMM and HMM model files are packaged and encapsulated respectively, and then joint-packaged into a dictionary. In the first phase of experiment, the recognition rate is 97%; in the second phase, the recognition rate increases to 99%.

Key words: Uyghur, handwriting, Hidden Markov Models（HMM）, Gaussian Mixture Model（GMM）

许辉1，热依曼·吐尔逊1，2，吾守尔·斯拉木2. 基于HMM和GMM的维吾尔语联机手写体识别研究[J]. 计算机工程与应用, 2014, 50(11): 202-205.

XU Hui1, Riyiman TURSUN1，2, Wushour SILAMU2. Online-handwriting recognition research of Uyghur word using GMM and HMM[J]. Computer Engineering and Applications, 2014, 50(11): 202-205.

[1]	杜淼，余勤，雒瑞森. 动态特征空间的超球体分类算法[J]. 计算机工程与应用, 2020, 56(22): 148-153.
[2]	艾合麦提江·麦提托合提，艾斯卡尔·艾木都拉，阿布都萨拉木·达吾提. 应用通道增强MSER与CNN的维吾尔文本区域定位[J]. 计算机工程与应用, 2020, 56(16): 132-138.
[3]	徐学斌，吾尔尼沙·买买提，阿力木江·艾沙，朱亚俐，库尔班·吾布力. 聚类+连体段判别的维吾尔文档图像单词切分[J]. 计算机工程与应用, 2020, 56(14): 148-155.
[4]	阿依萨代提·阿卜力孜，加合买提·司马义，卡米力·木依丁，艾斯卡尔·艾木都拉. 脱机手写维吾尔文本图像单词切分[J]. 计算机工程与应用, 2018, 54(9): 133-138.
[5]	薛朋强，鲜英，努尔布力，吾守尔·斯拉木. 面向维吾尔文的敏感信息过滤方法研究[J]. 计算机工程与应用, 2018, 54(5): 236-241.
[6]	姜文，刘立康. 基于联合两种特征的手写体维文字符识别[J]. 计算机工程与应用, 2017, 53(5): 192-196.
[7]	李作强，高勇. 基于CFCC和相位信息的鲁棒性说话人辨识[J]. 计算机工程与应用, 2015, 51(17): 228-232.
[8]	买哈铺热提·外力1，赵梦原2，艾斯卡尔·艾木都拉1. 基于关键词的维吾尔单文档自动文摘技术研究[J]. 计算机工程与应用, 2015, 51(16): 130-135.
[9]	朱程辉，甘恒，王建平. 基于FSVM脱机手写体汉字分类识别研究[J]. 计算机工程与应用, 2014, 50(23): 189-193.
[10]	吕小听，李昕，屈燕琴，胡晨. 基于稀疏表征的话者识别[J]. 计算机工程与应用, 2014, 50(20): 215-217.
[11]	易晓芳，卡米力·木依丁，艾斯卡尔·艾木都拉. 基于连通域特征的维吾尔手写文本行分割[J]. 计算机工程与应用, 2014, 50(18): 142-146.
[12]	袁廷磊，吾守尔·斯拉木，邓俊，赵志成. 维吾尔文智能输入法词库结构的研究与应用[J]. 计算机工程与应用, 2014, 50(16): 131-134.
[13]	张建周，哈力木拉提·买买提，陈晓娇. 改进的K-means算法在维文连体段聚类中的应用[J]. 计算机工程与应用, 2014, 50(14): 135-138.
[14]	杨燚，祖丽菲亚·卡哈尔，艾斯卡尔·艾木都拉. 基于改进SRG法的叠加维吾尔文字提取算法[J]. 计算机工程与应用, 2014, 50(12): 220-225.
[15]	李凯，艾斯卡尔·艾木都拉. 基于边缘和基线的维吾尔文图像文字定位算法[J]. 计算机工程与应用, 2014, 50(10): 203-207.