手写汉字特征提取方法研究

依据机器学习理论,提出一种手写汉字识别中的特征提取方法,以及将判定树归纳学习算法应用于学习识别过程,使得特征提取和识别同时进行.依据判定树有选择地提取特征进行匹配,可减少特征提取的数量,提高识别速度.     

手写体汉字特征提取的研究

在手写体汉字识别的研究中，汉字的特征提取可以说是整个手写体汉字识别系统中最重要的一部分。本文针对手写体汉字特点，找到了能充分反应手写体汉字特点的三种特征井加以提取；同时提出了将汉字分解为部件来识别的观点。实验结果表明所提取的特征兼顾了提取方法的方便性和特征的稳定性；这些特征能有效地识别手写体汉字。     

汉字识别及现状分析

就汉字识别及特征提取方法作了概要性介绍，然后通过对汉字识别现状的调查和分析，提出了在目前汉字识别领域中应侧重的研究工作，具有一定的指导意义。     

RBF-DDA 神经网络用于手写体汉字识别的研究

使用了一种新的神经网络模型———动态衰减调节径向基函数（ＲＢＦＤＤＡ），并结合一种新的特征提取方法来进行手写体汉字识别的研究，通过对１００种汉字、１５０００个样本的初步实验，取得了识别率为９９％的良好结果，表明将ＲＢＦＤＤＡ引入到手写体汉字识别的研究是比较成功和可行的。     

基于多群体遗传算法的汉字识别系统设计

文章设计了一种基于粗糙集理论的手写体汉字识别决策系统,依据并行遗传算法在处理大型数据库上的特有优势,将信息熵理论作为粗糙集不确定性的度量,给出一种约简冗余条件属性求解决策信息系统约简集的多群体并行遗传算法;并提出了一种基于规则置信度的手写体汉字识别规则融合算法,提高识别准确率,对SCUT_IRAC手写体汉字库中手写体汉字进行识别实验,结果证明,该系统具有较强的手写体汉字识别能力。     

基于笔划方向特征和非对称分布的手写体汉字识别

基于笔划方向特征和非对称分布的手写体汉字识别模型,提出一种从手写体汉字骨骼图像上提取分叉点的有效改进算法,保证笔划提取的可靠性,并直接从笔划结构上计算统计识别特征矢量;采用主向量空间的非对称参数分布模型计算距离测度．实验表明,基于笔划方向特征和非对称分布的统计识别模型具有优良的识别性能．     

汉字识别中图特征提取方法

为解决图像像素表示汉字特征方法不能有效表示汉字本质特征、空间复杂度较高的问题,提出了一种汉字图特征提取方法。方法主要包含汉字图像二值化,汉字图像骨架提取,汉字图特征提取3个部分;二值化消除图像中的噪声,提高图特征提取的准确度;骨架提取保留图像中重要的像素点,剔除无关的像素点;图特征提取将汉字关键点与图数据结构结合来表示汉字形状特征。在3 908个常用汉字的5种字体上进行实验。结果表明,该方法能够正确提取笔画复杂汉字的图特征,有效表示汉字本质特征;不同字体汉字图特征相同的汉字数量最高为3 195个,方法表现较稳定;平均每个汉字可以用22.6个图节点、19.1个边表示,相较于用单通道图像表示汉字特征,可大幅降低空间复杂度。     

汉字的层次轮廓特征及其应用

汉字特征的描述与匹配，是汉字识别研究中的两个重要问题。从上下左右四个不同的方向看一个汉字，在不同的层次和位置，可以得到不同的曲线段，这些曲线段是汉字笔划的反映，唯一地确定了汉字的结构。基于这一观点，本文从轮廓的角度，给出了汉字特征的一种形式化描述方法，提出了汉字的层次轮廓概念，给出了相应的局部最优匹配算法，最后，将该方法应用于特定人脱机手写体汉字识别中，取得了较为理想的效果。     

有限集手写体汉字特是取及分类器设计

介绍了手写体汉字特征提取的基本概念，采用了一种叠合网络加权笔画提取方法用于提取有限集汉字特征。通过对径向基函数网络（RBF网络）的模型分析，提出了一种组合RBF网络分类器应用于有限集手写体汉字识别，并利用结合遗传算法和模拟退火算法的混合优化策略进行RBF分类器的训练。     

基于过程神经网络的汉字特征提取方法的研究

文章研究了一种基于过程神经网络的脱机手写体汉字特征提取方法。采用描述汉字整体构架性和可拆分性的笔划类型、笔划位置、笔划顺序以及拓扑结构特征的融合,给出了一种脱机手写体汉字特征表征方法以及冗余容错表征形状。采用过程神经网络模型的横向时间累积和纵向空间加权求和方法,模拟手写体汉字从左到右和从上到下的书写过程,给出了提取脱机手写体汉字特征的算法与步骤。采用粒子群优化学习算法保证过程神经网络的全局学习能力和收敛能力,建立了手写体汉字特征知识数据结构表,对SCUT-IRAC中的手写体汉字特征提取进等了仿真实验,结果表明该方法具有良好的“认知”手写体汉字特征的能力。     

限制性手写体汉字识别中的笔划跟踪及特征抽取

在对计算机的汉字识别方法讨论分析之后,本文以汉字的结构特征为基础,提出了一个新的笔划跟踪搜索方法,用来解决手写体汉字的识别问铱,在该方案中采取了速度快、质量好的平滑细化等预处理方法。在特征抽取中采用了定向记忆跟踪和笔划拼接二种方法,从而解决了在笔划抽取中,特别是在笔划经过细化处理后,不可避免地带来某种程度的笔划畸变的情况下,如何正确地抽取笔划特征,找到了一个较完善的处理方法。经过大量的计算机实验,证明该方法切实可行。且已使正确识别率提高到95％以上,误认率低于5％,识别速度小于2秒。     

基于笔画分析和背景细化的粘连手写汉字切分

离线手写汉字的切分是识别的前提，其中粘连手写汉字的切分最为困难。提出一种基于笔画分析和背景细化的粘连手写汉字的切分新方法。对粘连字符图像作细化处理，检测端点、叉点和角点等特征点，根据特征点提取笔段。按笔段的长度、相互之间的位置关系以及投影信息确定切分点。细化粘连字符的背景图像，从切分点出发在细化的背景中选取分割路径，实现粘连手写汉字的切分。实验表明，本方法对于粘连手写汉字具有令人满意的切分效果。     

一种新的手写汉字笔划直接抽取算法

在实现结构分析法识别手写汉字时，笔划抽取是关键所在。本文提出了一种直接从手写汉字点阵中抽取笔划特征的新算法。该算法具有算法简单、笔划抽取速度快、正确率高和抗干扰能力强的特点。这种算法已用于在ＰＣ／ＡＴ机上实现的成页手写体汉字（楷体）识别系统中，效果极为满意。     

非汉字文化圈留学生汉字认知难点及教学策略

非汉字文化圈留学生在汉语学习中存在汉字字形、字音认知的难点。只有充分认识到教学对象的特殊性，从其认知难点和规律出发有针对性地进行教学，才有益于汉字教学效率的提高。     

基于最短欧氏距离匹配的印刷体汉字识别

印刷体汉字识别有着很高的实用价值,主要工作包括图像预处理、字符的定位分割、图像的特征提取和图像识别,并以Visual Studio 2005作为开发环境实现一个完整的基于最短欧氏距离模式匹配的印刷体汉字识别系统.解决了在字符定位分割时出现的＂过分离＂问题.经测试,识别率可以达到97.6%,基本符合实际应用要求.     

一种汉字笔画自动提取基准测试库

构建一个提供评测工具的笔画基准测试库, 其中包含一个人工搭建的笔画数据库, 该数据库拥有4种字体的汉字图像以及对应的人工提取的笔画信息。通过比较算法自动提取的笔画结果和数据库中的标准笔画之间的差异, 测试库可以评测笔画自动提取算法的性能。还提出一种新的基于Delaunay三角剖分的方法, 可以有效地从汉字图像中提取出笔画信息。在测试库中对现有的3 种笔画提取方法进行比较, 实验数据表明, 所提出的笔画基准测试库能够对笔画提取算法给出有效的评测, 并且新的算法在汉字笔画提取的性能中效率较高。     

一种改进模板匹配的车牌字符识别方法

提出了一种改进模板匹配的车牌字符识别方法。详细介绍了车牌字符识别的过程,主要包括模板的建立,基于弹性网格的字符特征提取,模板匹配的步骤及改进方法。运用该方法不仅可减少计算量,而且提高了实时性。实验结果表明,提出的方法具有效率高、精确度好等特点,识别率可以达到90%以上。     

一种基于曲线匹配的印鉴图像自动检索方法

从汉字笔划横平竖直这一特点出发,提出了汉字图像中适合于印鉴图像检索的两种特征:汉字的外边缘轮廓和汉字的方向投影密度.进而用函数曲线对这两种特征进行量化描述,将对汉字的匹配归结为对函数曲线的匹配.最后通过实验验证了这两种特征的稳定性以及基于这两种特征的曲线匹配方法的有效性.     

基于融合特征和LS-SVM的脱机手写体汉字识别

提出的脱机手写体汉字识别系统主要研究特征提取和分类识别两个模块.特征提取模块主要包括采用基于不变矩和弹性网格技术的串行特征融合方法,所得到的特征向量不仅充分反映了手写体汉字的全局和局部特征,而且具有很强的区分表达能力.分类识别模块将神经网络多类分类策略与最小二乘支持向量机相结合,所得到的分类器不仅识别率高、泛化能力强,而且有效地解决了多类分类问题.实验证明本文提出的识别系统能够取得很好的识别效果.