對(duì)維吾爾語(yǔ)手寫(xiě)體在線(xiàn)計(jì)算機(jī)識(shí)別技術(shù)的幾點(diǎn)探討

阿衣蘇魯·依拉洪

摘要：維吾爾語(yǔ)是以單詞為基礎(chǔ)的黏連語(yǔ)，字母由于在單詞中的作用相異而有不同的書(shū)寫(xiě)規(guī)則。當(dāng)前手寫(xiě)技術(shù)的進(jìn)步依然滯后于漢文、英文等。筆者在解析維吾爾語(yǔ)構(gòu)造、組詞特征與錄入行為等的前提下，歸納了黏連語(yǔ)對(duì)手寫(xiě)輸入識(shí)別的作用，并且討論了維吾爾語(yǔ)手寫(xiě)識(shí)別體系與有關(guān)重要技術(shù)，通過(guò)對(duì)這部分技術(shù)的闡述，筆者期待在解析、證實(shí)的前提下，讓維吾爾語(yǔ)手寫(xiě)體為大眾所熟知。

關(guān)鍵詞：維吾爾語(yǔ)；手寫(xiě)體；電腦；識(shí)別技術(shù)；探討

中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）03-0166-02

維吾爾語(yǔ)手寫(xiě)體網(wǎng)上電腦識(shí)別技術(shù)是自動(dòng)化的，電腦自動(dòng)把待識(shí)別模式納入到識(shí)別工作中。模式識(shí)別在字符辨認(rèn)、指紋辨別、神態(tài)辨別、話(huà)語(yǔ)辨別等領(lǐng)域已經(jīng)開(kāi)始普及使用。而書(shū)面識(shí)別也是模式識(shí)別的其中一種。伴隨電腦科技的日新月異，數(shù)字圖像處置與解析也已經(jīng)滲透到了科技行業(yè)。[1]漢字識(shí)別通過(guò)超過(guò)20年的發(fā)展，獲得了令人矚目的成就，完成了對(duì)各類(lèi)文本圖片的漢文自動(dòng)識(shí)別，這類(lèi)研究成績(jī)已經(jīng)受到了世界范圍的關(guān)注。而維吾爾語(yǔ)的識(shí)別工作才起步而已。

1 維吾爾語(yǔ)特征簡(jiǎn)介

維吾爾語(yǔ)是我國(guó)56個(gè)民族的民族語(yǔ)言的其中一種，維吾爾語(yǔ)包含32個(gè)字母，當(dāng)中包括8個(gè)元音、24個(gè)輔音，通常能夠?qū)懗?28個(gè)種類(lèi)的詞語(yǔ)；每一個(gè)字母根據(jù)存在的位置的差別能夠劃定為后連形式、前后連模式、前連模式、獨(dú)立模式等四類(lèi)，維吾爾語(yǔ)單詞是一類(lèi)粘連性字符，由這部分字符組成連體段，字母互為聯(lián)系的水平線(xiàn)被稱(chēng)為基線(xiàn)。此外，一部分維吾爾語(yǔ)字母主體一樣，用上下附加題的方位來(lái)區(qū)別字符。[2]

2 維吾爾語(yǔ)手寫(xiě)體辨別的特點(diǎn)

維吾爾語(yǔ)是由單詞構(gòu)成的，和阿拉伯文相近，寫(xiě)作模式是由右至左，字母粘連。當(dāng)前，對(duì)維吾爾語(yǔ)的手寫(xiě)識(shí)別存在兩類(lèi)解讀辦法。其一，直觀地對(duì)整個(gè)單詞實(shí)施整詞識(shí)別，這類(lèi)模式的優(yōu)勢(shì)較為明顯，然而必須累積大批的單詞；其二，先完成單詞的切分，在對(duì)切分后的單獨(dú)字符實(shí)施識(shí)別。[3]

維吾爾語(yǔ)包含32個(gè)字母，其是：

并且，每一個(gè)字母存在多類(lèi)模式：

1） 分成四類(lèi)模式的一共有24個(gè)字母：

例如：都表述的是同一個(gè)字母，一共96個(gè)。

2） 分成八類(lèi)模式的總共只有2個(gè)字母：

例如，表述的是一個(gè)字母，加起來(lái)16個(gè)。

3） 有兩類(lèi)模式的字母加起來(lái)有6個(gè)：

例如：表述的是同一字母，加起來(lái)12個(gè)。

4） 字符模式通常包含等四類(lèi)。

其模式能夠達(dá)到128種。

為便于聯(lián)機(jī)識(shí)別，筆者將全部維吾爾字母寫(xiě)法、字符依照其功能劃定為若干種，在抽樣練習(xí)階段分類(lèi)裝存。

1） 簡(jiǎn)易字符。最為常見(jiàn)的維吾爾字母字符，比如隸屬這一種。

2） 繁雜操作符

右端、上端、下端都可以出現(xiàn)有著一定筆畫(huà)的維吾爾字母字符，比如等。

3） 兩類(lèi)字母音節(jié)字符

輔音部分與元音部分構(gòu)成兩種字體。比如：等。

4） 三種字母音節(jié)

舉例說(shuō)明：等，數(shù)量繁多。[4]

3 維吾爾語(yǔ)手寫(xiě)體網(wǎng)上甄別的過(guò)程分析

3.1 預(yù)處置

預(yù)處置是手寫(xiě)的基本元素，對(duì)提升辨認(rèn)率來(lái)講至為關(guān)鍵。

3.1.1 幾何處置

預(yù)處置階段，最為重要的方法是清除噪音，排除硬件缺陷和手寫(xiě)抖動(dòng)，再模式化寫(xiě)出的字體。目前，運(yùn)用頻率最高的是緩沖、過(guò)濾、另行抽取樣本與標(biāo)準(zhǔn)化技術(shù)。

1）將單獨(dú)點(diǎn)與臨近的三點(diǎn)實(shí)施均衡配對(duì)，并對(duì)點(diǎn)的連接序列間的間距實(shí)施再次采樣，進(jìn)而緩解線(xiàn)訊息的硬度。

2）手寫(xiě)體痕跡的平行垂直問(wèn)題，使手寫(xiě)體能夠達(dá)到書(shū)寫(xiě)標(biāo)準(zhǔn)，再利用切比雪夫第二類(lèi)別紙?jiān)谶^(guò)濾設(shè)備中過(guò)濾，用來(lái)規(guī)整筆跡，以清除時(shí)空抽樣引發(fā)的噪聲。

3）使用過(guò)濾設(shè)備緩解并縮減多余部分，采用同樣的模式對(duì)符號(hào)樣本進(jìn)行采集，再利用頂點(diǎn)刪除的形式讓手寫(xiě)體更為準(zhǔn)則化。[5]

3.1.2 基線(xiàn)探測(cè)

大多數(shù)基線(xiàn)勘探模式均是以幾何理論為基礎(chǔ)的，從離線(xiàn)或印刷體的運(yùn)用模式離析出來(lái)的。這類(lèi)邏輯模式解析了手寫(xiě)體表層構(gòu)造，以判斷檢索基線(xiàn)的筆跡有關(guān)點(diǎn)，幾何理論中最為常見(jiàn)即是直方圖映射。

3.1.3 處置字體中的延緩部分

在維吾爾語(yǔ)手寫(xiě)階段，延緩筆劃分布在字符的上部或下部，可以利用一種非常規(guī)的連接筆劃連接延緩筆劃與維吾爾語(yǔ)，參考分支界定學(xué)說(shuō)中的雙圖形學(xué)說(shuō)來(lái)完成相連或字體的改變，并將不同的字符分隔。[6]此外，借鑒阿拉伯語(yǔ)手寫(xiě)體辨別的模式，形成直觀串法來(lái)調(diào)節(jié)秩序。在這部分詞語(yǔ)的秩序內(nèi)，延緩筆畫(huà)是根據(jù)相異的測(cè)序?qū)懗傻模址哪：谏w潛藏于特征載體內(nèi)，在手寫(xiě)階段，利用延緩筆劃映射學(xué)說(shuō)來(lái)整合延緩筆劃。該映射學(xué)說(shuō)要經(jīng)歷兩個(gè)階段，即檢驗(yàn)延緩筆劃與在適當(dāng)?shù)耐ㄟ^(guò)處理的點(diǎn)序列字符中，完成延緩筆劃的書(shū)寫(xiě)。

3.2 特點(diǎn)提煉

特點(diǎn)提煉的初衷是，通過(guò)萃取與換算錄入訊息有關(guān)的特點(diǎn)或數(shù)據(jù)來(lái)獲取字符類(lèi)別劃分標(biāo)準(zhǔn)，粘連體字符表率性的錄入信息繁多，包括視覺(jué)描述符，比如遮擋位置、凹陷方位與環(huán)等。幾何描述符也開(kāi)始逐漸普及，比如切線(xiàn)、相連角、相對(duì)速率、筆劃長(zhǎng)與位置、連續(xù)點(diǎn)的間距等。

另外，錄入信息的坐標(biāo)也能夠完成萃取——比如曲線(xiàn)運(yùn)轉(zhuǎn)速率與角速率。在阿拉伯文手寫(xiě)體識(shí)別階段，一部分研發(fā)專(zhuān)家萃取了字體特征的神經(jīng)生理學(xué)與生理力學(xué)的方程組參數(shù)，描述的是手寫(xiě)體的曲線(xiàn)運(yùn)轉(zhuǎn)狀態(tài)。此外，F(xiàn)reeman鏈碼的分成三個(gè)部分：長(zhǎng)筆畫(huà)、短筆畫(huà)、抬筆。特征矢量最重要的是方向碼，描述的是切分狀態(tài)下的筆劃，每類(lèi)筆畫(huà)的長(zhǎng)度、斜率與坐標(biāo)軸等。

3.3 切分

切分法包括整體法與分析法，此處只介紹分析法。

在分析法中，對(duì)一類(lèi)字符高效識(shí)別的前提是識(shí)別單元是精準(zhǔn)的，而不正確的切分讓識(shí)別缺乏價(jià)值。最初利用外在切分學(xué)說(shuō)的是內(nèi)杰爾等專(zhuān)業(yè)人士參考阿拉伯手寫(xiě)體辨別準(zhǔn)則實(shí)現(xiàn)的，手寫(xiě)體由一些基礎(chǔ)知覺(jué)特征編碼與整體知覺(jué)特征編碼組成。利用網(wǎng)絡(luò)手寫(xiě)體的beta橢圓理論，并使用模糊集知識(shí)來(lái)檢測(cè)其基本特征，并利用遺傳換算理論來(lái)檢測(cè)其特征，這類(lèi)切分學(xué)說(shuō)相關(guān)的觀念來(lái)自凹凸性理論，為了避免形成長(zhǎng)度不達(dá)標(biāo)的分段，在分段線(xiàn)譜的長(zhǎng)度中參考了臨界指標(biāo)，而分段曲線(xiàn)長(zhǎng)度揭示了結(jié)構(gòu)曲線(xiàn)的分段線(xiàn)性段的總長(zhǎng)度，并且將筆劃細(xì)分成四類(lèi)字母。其步驟包括：隨意分解、強(qiáng)化分解、連接連續(xù)接頭與定位分解點(diǎn)。

4 結(jié)束語(yǔ)

綜上，維吾爾語(yǔ)是新疆維吾爾地區(qū)的官方語(yǔ)言其中一種，當(dāng)前的手寫(xiě)科技較為落后，筆者在對(duì)中英語(yǔ)、阿拉伯語(yǔ)等手寫(xiě)識(shí)別科技解讀的前提下，從維吾爾語(yǔ)的文字構(gòu)造、組詞特征與錄入習(xí)慣等特點(diǎn)入手，探討了維吾爾語(yǔ)手寫(xiě)體在線(xiàn)電腦識(shí)別科技，為新疆地區(qū)民眾使用電子設(shè)施提供了一定的參考。

參考文獻(xiàn)：

[1] 吾加合買(mǎi)提·司馬義，艾斯卡爾·艾木都拉.基于中心距離特征的聯(lián)機(jī)手寫(xiě)維吾爾文全形態(tài)字母識(shí)別研究[J].電腦知識(shí)與技術(shù)，2014（13）：3097-3099，3103.

[2] 姜志威，丁曉青，彭良瑞，等.低數(shù)據(jù)資源條件下基于結(jié)構(gòu)信息共享的無(wú)切分維文文檔識(shí)別字符建模[J].電子與信息學(xué)報(bào)，2015，（9）：2103-2109.

[3] 高麗娟，邢喜民，楊紹富，等.新源、和靜交界Ms6.6地震前庫(kù)爾勒地震臺(tái)部分異常識(shí)別和分析[J].內(nèi)陸地震，2014，28（1）：22-29.

[4] 金劍，田淑芳，焦?jié)櫝?，?基于地物光譜分析的WorldView-2數(shù)據(jù)巖性識(shí)別：以新疆烏魯克薩依地區(qū)為例[J].現(xiàn)代地質(zhì)，2013，27（2）：489-496.

[5] 侯?lèi)?ài)萍，陳新勇.基于基因信息圖譜的傳統(tǒng)聚落景觀研究——以新疆吐魯番麻扎村維吾爾族聚落為例[J].新疆大學(xué)學(xué)報(bào)：自然科學(xué)版，2016，33（2）：235-240，252.

[6] 努爾艾力·喀迪爾，彭良瑞，哈力木拉提，等.一種基于HMM和統(tǒng)計(jì)語(yǔ)言模型的維吾爾文及阿拉伯文識(shí)別方法[J].計(jì)算機(jī)應(yīng)用與軟件，2015，32（1）：171-174.