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。     

基于数学形态学的图像汉字笔划细化和提取

文章提出了一种基于数学形态学的图像汉字笔划细化和提取方法。根据汉字的结构特点,定义了一组新的结构元素序列,保持了原样本图像汉字的连通性和拓扑性的骨架,有效地抑制样本细化后汉字笔划的扭曲和歪斜;在此细化的结果基础上,定义了一种新的汉字笔划提取算法,准确提取出原汉字的横竖撇捺笔划的形状、形态及形式结构信息,取得了理想的效果。     

基于笔划和笔顺的汉字识别算法

以笔划为基元结构笔划的顺序来表示汉字的结构信息,在此基础上提出了一种笔写汉字识虽的匹配算法,对于结构类似的汉字,该算法可以通过特征关系予以识别,从而提高汉字的识别率。     

一种用边界细化汉字的方法

汉字骨架是汉字的一种重要几何特征,如何对汉字进行细化,是对汉字进行识别的前提。在此提出了一种新的细化汉字方法,它是通过笔划的边缘求出其中心,以笔划中心作为细化结果。实验证明该方法具有较好的细化结果。     

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。     

笔顺自由和笔划数可变的联机手写汉字识别方法研究

提出了一种新的联机手写汉字识别方法，采用笔划的模糊生特征描述手写输入汉字。改进了笔划动脉匹配技术，形成了笔顺自由和笔划数可变的识别方法，对ＧＢ２３１２－８－汉字库进行了实验，获得了较好的结果。     

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。     

基于子笔划的手写体汉字识别

该文给出一种汉字子笔划的提取方法 ,较好地解决了因子笔划相交 ,使提取的同类字符子笔划不稳定问题。引入了字符的固定部件划分方法及特征矩阵的概念。字符部件中包含各类子笔划的位置、长度等信息 ,特征矩阵是这些信息的集中体现。设计了一种新的遗传算法 ,由未知字符一个部件的一类子笔划表示的字符与某类模型的相似度 ,既由与其它 3类子笔划相应的相似度调节 ,又由与周围部件同类子笔划相应的相似度调节。实验表明 ,该手写体汉字识别方法是有效的     

用抽取笔划有序列法识别限制性手写汉字

本文根据汉字结构内在规律以及人认字的机理，指出如下三点是汉字结构模式的本质特征：①笔划类型和数目，③部件内各笔划间的相对位置、连接关系，③部件间的相对位置关系。笔划及各种关系必须模糊化和减弱化。在这些基础上，提出了一种用抽取和合成笔划（必要时包括笔划间关系）有序列识别限制性手写汉字的方法。该方法对变形的手写汉字有较强的适应能力。对２００个手写汉字进行了计算机模拟实验，取得了满意结果。     

基于组合分类器的联机手写汉字识别

提出一种基于二级组合分类器的汉字手写体识别方法,首先提取汉字的整字特征和笔划特征;进行单字识别的过程中,GA-BP笔划分类器起着对汉字识别的主导作用,当写入汉字出现连笔、字形变化导致系统产生拒识情况时,采用隐马尔可夫整字分类器作为辅助去提高整体的识别率.     

一种手写体汉字的非线性规范化方法

手写体汉字变形问题是无约束手写体汉字识别的关键问题。规范化处理的目的是对字符图像点阵进行变换,矫正手写体汉字变形,减小同类字符之间的差异。文章提出了一种非线性规范化方法,它一方面调整了汉字的笔划分布,使笔划的分布密度趋于均匀;另一方面又调整了笔划的粗细,使笔划的宽度趋于一致。实验显示,用文章提出的方法产生的同类字符点阵的离散度小于用已有的几种非线性规范化方法产生的同类字符点阵的离散度,表阴提出的非线性规范化方法,较之已有的几种非线性规范化方法更有效地减小了同类字符之间的差异。     

联机手写体汉字识别方法的研究

提出了一种基于笔划的一级分类,笔划特征二 级分类的新方法来实现联机手写体汉字的识别。     

用于手写体汉字识别的汉字结构模型

针对手写体汉字识别问题，选取笔段和笔划作为基元，分析手写体汉字的组成规律和变形规律，提出了两种汉字结构模型：笔段中心点模型和笔划关系矩阵模型，以及基于模型的分类依据和识别方法．根据所提出的模型，采用两级分类方案构造汉字识别系统，粗分类采用笔段中心点法，细分类采用笔划关系矩阵法．实验表明模型是有效可行的．     

应用专门知识引导的联机自然手写汉字识别

研究一种识别联机自然手写汉字的方法,充分利用汉字知识,构造联机汉字的知识框架,在专门知识引导下识别自然手写汉字。汉字的多种静态构形规律和动态书写规律被用于联机汉字的知识表达和建模,输入汉字经过笔划元提取后,采用框架描述,与知识库中存储的汉字模型进行不精确匹配实现识别。对国标一级汉字进行了测试。在对书写次序、笔划数目、是否连笔等很少限制的情况下,能获得很高的识别率,证明该方法是行之有效的。     

网格笔划密度特征的OPCCR错误自动检测

现有的光学印刷体汉字识别（OPCCR）系统中,汉字识别率虽然已经高达98%以上,但仍然会发生错误识别的情况.通常,这些错误的识别还不能被自动检测,采用人工检测,费时费力,大大降低了实际应用系统的自动化和智能化程度.为此,本论文提出了基于网格笔划密度特征的OPCCR错误的自动检测算法.本算法首先建立标准汉字的网格笔划密度特征的特征库.然后,在OPCCR错误的自动检测时,对光学印刷体汉字图像进行预处理、行分割、列分割得到单个汉字图像,提取单个汉字图像的网格笔划密度特征.再把特征和相应的识别出的汉字的特征库中的特征进行相关匹配.于是,根据特征匹配自动检测OPCCR的错误.     

汉字多属性认知特征提取研究及应用

摆脱传统汉字特征提取时基于二维平面象素点的统计和结构的分类方法.采用仿生模式识别思想,将汉字拆分为计算机算法可直接认知的基本笔划的组合,并对笔划进行数量、排序、位置,游程的属性编码,提出汉字多属性认知特征概念.方法很大程度上排除了传统汉字整体特征提取中信息的混淆和冗余,提高了字符识别正确性,实时性.用于车牌识别达到很好的实用指标。     

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．     

二笔字输入法

发明专利技术“二笔字输入法”是为目前微型计算机提供的一种汉字输入方法。本文论述了该方法选用组成汉字的五个基本笔划元素,通过横竖二维空间交叉组合的十五个“二笔字”给予固定代码,对汉字进行编码,用十五功能键进行汉字输入的基本原理;对汉字采用十六进制固定有序编码,实现了汉字信息编码数据化,解决了汉字信息在计算机中存取问题;提出了用“二笔字母”组成汉字结构的新认识。     

自主创新路越走越宽——记北京晨拓公司董事长廖理纯

“没有创新就没有生存的空间;没有创新就不可能对社会产生贡献。”北京晨拓公司董事长廖理纯是这样理解科技型企业的成长的。正是得益于自主创新意识的不断提高,北京晨拓公司才能够在IT界大浪淘沙般的激烈竞争中屹立不倒,并且历久弥新,既没有被行业中曾经的泡沫式繁荣冲昏头脑,更没有因为IT界跌入谷底的情形而大规模压缩研发费用。     

手写体汉字识别中基于笔段的松驰匹配算法

在汉字识别中，基于线性变换的识别模型往往会失效，用轮廓线段来进行松驰匹配．当手写体汉字曲折笔划较多时也很难提取稳定的轮廓特征，而且轮廓提取受笔划写书粗细的影响较大。本文用相容匹配算法来提取汉字的笔段特征，用模板匹配识别出手写体汉字样本。文中给出一个１００个汉字的识别结果．