世界语言中,除拉丁字母和汉字外,阿拉伯字母的运用最为广泛.但相对其他文字识别成果,阿拉伯文尤其手写体的识别探讨却相对较少[1].现有阿拉伯字符识别技术[2-8],特征提取大体上有方向特征[3-4]、Gabor滤波特征[5]等;分类器设计有距离分类器[3,8]、HMM分类器[4]、神经网络模型[5,7]等.就识别层面而言,上述措施大多基于统计特征和整体识别,虽然通用性强,但容易“淹没”字符微小的鉴别信息,不利于解决手写阿拉伯字符中相似字和笔画粘连识别的问题.考虑到阿拉伯字符独有的结构特性,近年来,结合结构分割的识别探讨逐渐受到关注.典型的措施以笔画段分割字符,并利用路径寻优或神经网络分类原理来提高匹配精准性[6-7].此类措施较确切地描述了字符拓扑结构,但因笔画段不易稳定提取,算法对抖动变形噪声敏感,识别误差较大.为解决上述问题,Sternby J等[8]提出通过提取独立笔画和建立关联模型来构建识别模板,虽然笔画特征较为稳定,但不适用于手写粘连的情况,而且笔画关联未考虑字符主体部分和附加部分在辨别中的不同权重和影响,因而......(论文页数是：7页) ，阿拉伯语论文题目，阿拉伯语论文范文 |
