藏文文字特征提取方法的研究

摘要：特征提取是文字识别中很重要的环节。藏文字识别中特征提取的方法有很多，但由于藏文字的字型有很多种特点，可以探索出适合藏文识别的最优特征提取方法。该文简述了藏文字型的特征及印刷体藏文字识别原理，主要讨论了符合藏文字的一种特征提取方法——网络点阵图形投影法。

关键词：藏文字识别；特征提取；网络点阵图形投影法

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2013）28-6362-03

藏文是我国藏族人民使用的一种古老的拼音文字，具有悠久的历史，是一种世界公认的成熟文字。搞好藏语文的规范化、标准化和信息处理工作，加速藏语文的现代化进程将使站在更高的起点上宣传西藏的形象，与世界对话，这是人们对藏语文的期待。藏文信息处理的一个重要环节是不断地开发更好的藏文字识别软件，所以研究藏文字特征提取方法是具有很高的理论价值。

1 藏文字的特征

藏文是一种以辅音字母为主要部件组成的拼音文字，左右拼写、上下叠加，既不同于西文，也有别于汉字。藏文字母有30个辅音字母和4个元音字母。构成一个完整藏文词素，基本单位是由藏文中的“音节分割符”来确定。一个藏文词由一个或多个音节而构成，音节拼写的每一个横向基本单位称为一个字丁[1]。每一个音节包含着“基字”和可能跟随的如前加字、上加字、元音符号、后加字、再后加字。音节，通常是由音节分割符或者其它标点符号来划分的。图1为一个四字丁音节。

2 印刷体藏文字识别原理

印刷体藏文字识别是指将印刷在纸张上的藏文，用扫描仪或者其他光学方式输入后得到灰度图像或者二值图像，然后利用各种模式识别算法对藏文图像符号进行分析，提取文字特征，与识别字典中的标准藏文模板进行匹配判断，从而达到识别藏文的目的。 印刷体藏文识别技术主要包括预处理、识别和后处理三个阶段[2]。其识别原理如图2 所示。

3 藏文文字特征提取

网络点阵图形投影法

这个方法把方块藏文字看作是二维网络点阵图形。网络是一组假想水平和垂直的网线对藏文字图像的区域进行划分，如图3a所示[3]。设f（x ， y） 是藏文字的二维网络点阵图形，用投影法把二维点阵变为一维数据，如图3b所示，其中g（x）和g（y）分别是f（x ， y ）在X-轴和Y-轴的投影，即

4 结论

本文阐述了藏文字字型特征及印刷体藏文字识别的原理，并提出了符合藏文字的一个特征提取方法：网络点阵图形投影法， 网络点阵图形投影法是在汉字识别中抗干扰能力强、易于实现的特征提取方法，由于藏文笔划密度小，使得网络点阵图形投影法应用到藏文字识别中可能具备很好的效果。

参考文献：

[1] 吴刚，德熙嘉措，黄鹤鸣.印刷体藏文识别技术[J].青海师范大学学报，2006（1）.

[2] 王维兰，丁小青.印刷体现代藏文识别研究[J].计算机工程，2003.

[3] 徐光佑等，译. 数字图像处理[M].北京：电子工业出版社，1998.

[4] 李弼程，邵美珍，黄洁.模式识别原理与应用[M].陕西：西安电子科技大学出版社，2008.