基于局部信息的手写汉字笔画提取

现有计算机在指导手写汉字练习与测试中，指导依据大都基于全局特征，缺少基于更细粒度特征。提出一种基于局部信息的手写汉字笔画提取方法，为手写汉字评价与指导等任务提供数据支持。首先提取出汉字骨架并对骨架中的毛刺与断裂等问题进行优化；然后使用PBOD算法提取汉字交叉区域后，对交叉区域进行合并删除，消除笔画形变，通过局部信息计算笔画段的组合系数，根据组合系数提取笔画；最后根据获取到的笔画数与算法迭代次数，动态调整组合系数阈值，保证在正确连接笔画段的前提下提取到更可能多的笔画。将该方法在手写汉字数据集上进行实验，其准确率、召回率与F1值分别达到了95.91%、95.71%与95.81%，可用于后续的手写汉字评判与指导等任务。     

基于骨架平滑与均匀膨胀的女书轮廓字形生成方法

针对手写女书字符目前尚未规范化,提取轮廓不平滑的问题,提出了一种笔画粗细均匀的女书轮廓字形生成方法,包括骨架提取、毛刺去除、骨架膨胀和轮廓提取等四个步骤。针对女书字符多呈菱形,弧笔和斜笔居多的特点,提出了一种单像素骨架提取算法;该算法结合八邻域模板邻域像素值分析与索引表遍历查找的思想,获得的骨架可以保持平滑性与骨架整体的单像素性。针对少量骨架结果伴有部分毛刺的情况,采用Rutoviz相交数分析法和Freeman方向链码法,设定不同的长度阈值和级别进行分级处理,有效去除毛刺。然后采用形态学运算对骨架进行均匀膨胀,得到笔画粗细均匀的女书字符,并采用边缘梯度和边缘跟踪的方法提取字符轮廓和生成轮廓字形。实验结果表明,该方法能快速、有效生成笔画粗细均匀、轮廓平滑的女书轮廓字形,对其他手写字符具有一定适用性。     

基于主线段的签名下划线去除与笔画修复方法

手写签名图像中的下划线影响离线签名鉴伪准确率,为实现签名骨架图像中下划线的去除及笔画修复,提出基于主线段的直线段检测(MLSD)和限距修复(RDR)方法。首先将手写签名骨架化,通过Hough变换初步检测出签名骨架中的线段,然后基于主线段的信息从中检测下划线线段并进行像素标记,去除各下划线像素并在其8邻域内找到笔画起点和终点像素,计算各起点和终点像素距离,最终通过阈值判断进行笔画连接修复。实验结果表明,该方法可以有效检测出签名图像中的下划线,并对去除下划线后的笔画进行准确的修复。     

一种基于字符边界的细化算法

字符图像细化能极大地消除图像中的冗余信息量,大大简化字符识别特征的提取过程,提高字符识别的准确性和快速性.对字符进行细化,是字符识别的前提.提出了一种利用字符边界细化字符的算法,每一步都针对单个像素点作处理,并提取笔划单侧边缘点序列作为字符图像骨架.实验结果表明：该算法能较好地保留字符图像的基本信息,快速地去除字符图像中冗余的像素点,有效地解决了交叉点分离,笔段变短等问题,并为连笔笔划的切分提供了有效的方法,具有较好的细化结果.     

一种书法字骨架提取优化方法

书法字的骨架提取即细化是书法风格研究的重要先决步骤。针对常见细化算法结果中产生的锯齿、非单像素、分叉点畸变和毛刺等问题进行改进。引入一种旋转不变性的细化算法得到汉字的中轴线。接着分以下两步进行优化:首先在保证图像连通的条件下进行单像素化处理;其次引入最大圆方法进行分叉点合并。实验结果表明,两步法得到的细化结果是单像素且无毛刺和分叉点的,为后续笔画提取和书法风格研究奠定良好的基础。     

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。     

面向书写教学的手写汉字图像笔画还原

为了实现智能化汉字书写教学,提出一种手写汉字图像的笔画还原方法。首先提取手写汉字图像的骨架;然后从知识工程的角度出发,利用字形中稳定的拓扑信息,消除骨架中的歧义变形;最后利用A*算法建立并求解手写汉字与相应模板汉字的字形相似度模型,从而分割出手写汉字图像中的各个笔画,并输出它们与模板汉字中各个笔画的对应关系。此方法的笔画还原结果可以应用于手写汉字规范性的自动化评判等场合。     

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。     

TM遥感图像中河流的自动提取

提出了一个TM图像中河流目标自动提取的方法.对TM图像上河流及其背景地物的光谱特征进行分析,利用所发现的知识建立河流地物的提取模型,检出河流区域;对河流进行细化,抽取骨架;最后利用基于线段间斜率差的方法对河流骨架进行矢量化.试验结果表明该方法能较准确的识别提取TM图像中的河流目标,得到理想的矢量数据.     

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。