楊 愷 黃樹成

（江蘇科技大學計算機學院 鎮(zhèn)江212000）

1 引言

隨著智能手機、數碼相機等電子設備的普及，人們獲取圖像的手段越來越多。面對海量圖像數據，基于圖像內容的分析、檢索和理解越來越引起人們的關注，漢字識別也變得越來越重要。

為了能夠有效定位圖像中的文字區(qū)域，近代學者提出了很多優(yōu)秀的文本定位算法，如Kim［1］通過將圖像進行分塊，然后再結合支持向量機的方法，對文字范圍進行劃分；Bertini［2］通過計算圖像角點特征，并進行深一步地歸納提取，然后區(qū)分出圖像中的文字范圍；Hyeran［3］采用了一種基于數學形態(tài)學的方法，通過提取圖像形態(tài)學特征，來定位出圖像中文字所在的范圍等。

我國在2000年開始對彩色圖像文字分割技術進行研究，如周源華［4］利用顏色邊緣來對彩色圖像中的文本進行檢測提?。还悾?］提出了一種基于顏色邊緣點和游程平滑的文本文字提取算法等。

但對于自然場景中拍攝的漢字圖像，運用上述算法出現了漢字識別效率低下，錯誤率高等問題，針對這些問題，本文提出了一種融合K-means和RBF神經網絡的漢字識別算法，改進了傳統神經網絡算法不易收斂的缺點，用實驗證明了該算法在漢字識別方面具有較高的準確率和識別效率。

2 相關工作

下面將分別介紹傳統RBF神經網絡算法，K-means算法和減聚類算法。

2.1 傳統RBF神經網絡算法

徑向基函數神經網絡（Radial Basis Function Neural Network，RBFNN），是一種特殊的三層前向神經網絡。它具有最佳逼近性能和全局最優(yōu)特性，網絡結構簡潔明了、訓練快速等優(yōu)點。

RBF神經網絡也是典型的前饋式神經網絡，由輸入層、隱含層和輸出層三層神經元構成。圖1為RBF神經網絡結構圖，由圖可以明顯看出，其結構與簡單的BP神經網絡相同，都是三層網絡結構。

圖1 RBF神經網絡結構

其中第一層為輸入層節(jié)點，第二層為隱含層節(jié)點，第三層為輸出層節(jié)點。首先，輸入信號通過第一層進入到第二層，然后使用徑向基（RBF）函數進行計算，常用的RBF函數有Gauss函數、反演S型函數等，最后第三層利用線性函數計算出結果。

首 先，假 設 訓 練 數 據 集 為X={x1，x2，x3，…，xm}，其中第i個訓練樣本為其中，即樣本數量為m，特征數為n。如果隱含層節(jié)點個數為s，則第i個訓練樣本xi所對應的隱含層的第j個節(jié)點的RBF函數，如式（1）所示：

其中cj為隱含層第j個節(jié)點的數據中心，σj為該RBF函數的寬度為xi到cj的歐式距離。最后，如果輸出層節(jié)點的個數為t，輸出層對隱含層輸出的節(jié)點應用線性函數，如式（2）所示：

其中k=( )

1，2，3，…，t，s為隱含層節(jié)點個數，ωjk為隱含層第j個節(jié)點到輸出層第k個節(jié)點之間的權值。

這里采用Gauss函數作為RBF函數，該函數曲線比較光滑，并且表示形式相對簡單，解析性好，有利于對結果進行分析。

在RBF神經網絡中，最重要的就是隱含層，具有承前啟后的作用。通過確定徑向基函數的中心點，就可以確定神經網絡輸入層與隱含層之間的某種映射關系，這種關系就是構造隱含層的基石。利用該關系可以將輸入層的矢量矩陣映射到隱含層空間中，在這其中不需要進行網絡調參。然后隱含層將向量從低維度線性不可分，映射到高維度線性可分，并輸出線性加權和，在這其中則需要進行網絡調參。原來神經網絡的輸入層到輸出層的映射是非線性的，但是通過隱含層的映射，輸出層對隱含層有了可調的線性參數。該可調的線性參數即為網絡的權值，而權值則可通過線性方程組直接求解出來，這樣便極大地提高了神經網絡的學習速度，且有效地避免了可能出現的局部極小問題。

2.2 K-means算法

K-means算法的宗旨是計算出最小類內距離，使聚類域內所有樣品到聚類中心距離的平方和最小。算法的具體流程如下。

1）隨機選k個樣本作為聚類中心，計算其他樣本點與它們之間的距離，根據最小類內距離原則將各個樣本分配到最近的聚類中心；

2）計算k個聚類結果內各個樣本的均值，然后根據均值重新選取聚類中心；

3）把重新選取的聚類中心再繼續(xù)進行聚類計算；

4）重復上述步驟，直到前后兩次聚類后的聚類中心相同時停止。

通過上述步驟可以知道：K-means算法容易受到聚類中心的個數和初始聚類中心的選擇影響，造成聚類結果的波動，并且極易陷入局部最優(yōu)解。

2.3 減聚類算法

為了解決K-means算法的上述問題，引入減聚類算法。Chiu［6］提出一種減聚類算法，將每個樣本都認為是潛在的聚類中心，然后計算“峰”函數來確定聚類中心。

該算法可以把計算量與樣本個數認為是簡單的線性關系，使其與問題維度無關，解決了一般聚類算法中容易出現的“維數災難”問題。同時該方法還可以為其他聚類方法提供初始聚類中心，故在K-means算法中將其引入。

其具體算法步驟如下。

1）給定數據集X，根據式（3）計算每個樣本的密度值，密度值越大則該樣本的臨近包含其他樣本數目越多。

其中，n為數據集X的樣本個數，xi為第i個樣本，γa∈R+，γa為xi的一個鄰域半徑。

2）選出步驟1）中最大的密度值Dm1，將對應的樣本xm1作為初始聚類中心，再根據式（4）對樣本密度值進行更新；

其中：γb=λγa，λ∈R+，γb表示為一個密度指標函數顯著減少的鄰域，一般λ=1.5。

3）選出步驟2）中最大的密度值Dm2，將對應的樣本xm2作為第二個聚類中心，再將Dm2，xm2代入式（4）中，對樣本密度值進一步更新，然后選擇下一個聚類中心，直到滿足式（5）時，終止循環(huán)。

終止循環(huán)的物理意義是當前最高密度值與初始最高密度值相比非常小，即當前聚類中心包含極少樣本點，則可忽略該聚類中心，結束聚類。

3 融合K-means和RBF神經網絡算法

本文的融合K-means和RBF神經網絡算法主要是引入減聚類算法來確定K-means算法的初始聚類中心及其個數，再用K-means算法來確定RBF神經網絡算法的徑向基函數的中心，之后確定徑向基函數的寬度以及隱含層到輸出層之間的權值，最后輸出結果。整體算法框架圖如圖2所示。

圖2 算法框架圖

融合K-means和RBF神經網絡的漢字識別算法具體步驟如下：

1）使用式（6）對訓練數據集進行歸一化處理，使樣本數據的每一個維度都屬于[]

0，1。其中，xmin=0，xmax=255，為彩色圖像RGB的最小值與最大值，xij為訓練數據集第i個樣本的第j個維度數據。

2）通過減聚類算法確定初始聚類中心，具體實現步驟如下：

（1）根據式（3）計算每個數據點的密度值，選取其中最大密度值Dm1的樣本點xm1作為初始聚類中心，記s=1；

（2）根據式（4）對數據點進行密度更新，找到當前最大密度值Dmi；

（3）如 果Dmi滿 足 式（5），則 轉（4）；否 則s=s+1，并將具有當前最大密度值的樣本點作為第s個聚類中心，轉（2）；

（4）聚類結束，確定s個初始聚類中心。

3）運用K-means算法進行文字特征類提取。計算所有數據點與聚類中心的距離

k中總的數據個數。

6）如果ck'≠ck，轉到3），否則K-means聚類結束，轉到7）。

7）根據已知聚類中心之間的距離，通過式（7）來確定RBF神經網絡算法隱含層節(jié)點的徑向基函數的寬度σk。

其中，樣本集合gk滿足：

8）確定RBF神經網絡隱含層到輸入層的權值ωjk。權值可通過梯度下降法來計算得到。

首先記式（8）為RBF神經網絡誤差函數：

其中Pik為第i個輸入節(jié)點在第k個輸出節(jié)點時的實際輸出值，Oik為第i個輸入節(jié)點在第k個輸出節(jié)點時的期望輸出值。

然后采用式（9）確定權值：

權值ωjk的修正公式為

其中ωjk為第j個隱含層節(jié)點與第k個輸出層節(jié)點之間的權重，ξ為學習率，本文取ξ=0.008。

9）當隱含層節(jié)點過多的時候，需要精簡隱含層節(jié)點。當隱含層節(jié)點cj的輸出權值滿足式（10）時，可以刪除該節(jié)點。

其中ωmin為最小的臨界權值。

4 實驗及結果分析

本文選取的數據集為ICDAR 2019大會中，美團聯合國內外知名科研機構和學者主辦的“中文門臉招牌文字識別”比賽的公開數據集（ICDAR 2019 Robust Reading Challenge on Reading Chinese Text on Signboards，ICDAR 2019 RRCRCTS）。該數據集共25000張圖片，每張圖片是由完全獨立的不同個人、采用不同設備、在不同地點和不同時間和不同環(huán)境下所拍攝的不同商家的門臉招牌圖片。

該數據集以中文文字為主，標注內容比較完備，每張圖片均標注了單個字符的位置和文本，以及各字符串的位置和文本。在這25000張圖片中，選取2000張圖片用于訓練，200張用于驗證，300張用于測試。所有實驗均采用python語言實現，實驗 環(huán) 境 為Windows10，python3.6，CPU主 頻 為2.70GHz，8G內存，256G固態(tài)硬盤。

融合K-means和RBF神經網絡算法來進行文字識別，通過對數據集圖像中文字部分進行單字劃分，然后對單字圖像進行特征提取，再匹配訓練樣本庫。本次實驗中，準確率為所有單張圖片的識別準確率之和的均值，識別效率為單位時間內識別出的正確漢字個數，具體的測試結果如表1所示。

表1 三種神經網絡算法識別結果統計

從表1可以看出，在數據集ICDAR 2019 RR?CRCTS上，傳統BP神經網絡算法雖然準確度很高，但識別效率非常低下，而本文的融合K-means和RBF神經網絡算法相比于傳統的RBF神經網絡算法而言，其準確度與識別效率均高于后者。初步實驗證明，融合K-means和RBF神經網絡算法有著較高的準確率，能有效地提高漢字識別效率，具有一定的實用價值。

5 結語

本文研究了傳統RBF神經網絡算法和傳統K-means算法，在面對傳統RBF神經網絡算法中分類精度不高和傳統K-means算法對初始聚類中心敏感等問題，提出了融合K-means和RBF神經網絡的漢字識別算法。首先用減聚類算法改進K-means算法，消除它對初始聚類中心的敏感，防止聚類結果的波動，再用優(yōu)化后的K-means算法構造RBF神經網絡的隱含層節(jié)點，提高計算速度。為了驗證該算法，本文采用ICDAR 2019 RRCRCTS數據集進行實驗，實驗結果表明該算法有著一定的優(yōu)勢和實用價值。