免细化过程的脱机手写体汉字的动态信息提取

本文提出了一种无需细化过程的脱机手写体汉字字符的识别方法,并且提出了从脱机手写体汉字中识别动态信息的方法,从而将脱机汉字字符识别问题转变为联机识别问题。     

基于二值图像的手写体快速细化算法

针对查表算法模板数量多、匹配过程耗时长的缺点,分析手写体节点与周围像素邻点的相对位置,提出了一种手写体快速细化算法.该算法仅需要44个标记模板和15个优化模板即可实现对手写体二值图像的细化.实验结果表明,改进算法能够在有效降低算法复杂度的同时准确识别手写体的骨架.     

基于模糊方向线素特征的手写体汉字识别

方向线素特征在手写体汉字识别中得到了广泛的应用，文中对该特征进行了形式化描述，分析了其存在的不足，在普通方向线素特征的基础上，引入模糊数学思想，提出了汉字的模糊方向线素特征，给出了形式化描述，应用该特征实现了一个非特定人手写体汉字识别系统，经对含有３７５５０个汉字（１０套国标一级汉字）的未学习样张的测试，识别率由８５．５％提高到８９．７％，十选正确率达到９８．４％，在同等测试条件下，比单纯使用方向线素特征识别率提高了四个百分点     

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。     

基于Hough变换的视觉识别方法在仪表自动检测中的应用研究

利用图像形态骨架细化方法和Hough变换对指针式仪表表头读数的识别进行研究。将仪表表头图像预处理后,进行形态骨架细化,然后用Hough变换检测表头图像的所有刻度线和指针。在此基础上提出一个识别表头读数值的算法。实验表明该方法的有效性,在指针式仪表的自动检测中有一定的实用意义。     

脱机手写体汉字字符的笔顺信息恢复

给出了一种从脱机手写体汉字字符中识别笔顺的法则——统一笔顺法则，将脱机识别问题转变为联机识别问题，利用人们熟悉的图论知识加以解决，大大提高了识别率和识别速度，也简化了识别过程．     

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。     

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．     

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。     

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．     

对汉字图像进行细化处理的一种新算法

细化是图像分析和模式识别中的一个重要的操作,而基于图像集合运算的数学形态学细化算法则是细化算法中的一个重要分支,它可以利用灵活多变的结构元素对不同的图像进行处理.在保持原有图像拓扑关系不变的前提下,给出了一种新的形态学细化算法对汉字图像进行细化处理.     

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。     

数学形态学的细化算法

对目标图象进行细化处理,提取其骨架,在目标检测、图象编码以及光学字符识别等计算机视觉、图象处理与模式识别领域都有着广泛的应用．在定义了数学形态学图象轮廓和骨架的基础上,提出了基于两组结构元素模板的数学形态学细化新算法,这两组结构元素模板分别用来去掉目标的西北、东北、东南、西南方向四个角上的点和北、东、南、西四个方向上的点．用该算法对实际的字符进行细化,获得了令人满意的结果．     

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。     

基于内点保留的二值图像细化算法

提出一种基于内点保留的并行细化算法，与一般基于边缘点去除的细化算法比较，它具有运算速度快，程序简单，便于硬件实现，能够完整地保存图像的拓朴结构，所获得的骨架对称性好等优点。在ＩＩＳ图像处理系统上进行了初步实验，结果表明，所提出的二值图象细化方法为解决二值图像细化问题开辟了一条新途径。     

一种手写体汉字快速细化分割算法

提出了一种基于游程编码(run length encoding)的手写体汉字细化和分割快速算法。数据的输入与处理并行,汉字图象数据所占存贮空间仅为点阵方式的1/400。能将任何复杂汉字细化并分割为简单直线和弧线笔划。对汉字的结构特征抽取极为有利。此外,本文还提出一种新的边沿描述基段链码,其平均长度比Freeman链码短20％。     

多种印刷体汉字识别的一种方法

本文提出了一种新的描述多种印刷体汉字的方法——特征链码法.使用该方法无需先对汉字图像进行细化和平滑处理,可以克服汉字图像位移、不同大小以及一些噪声的影响.实验中针对常用的一级字库约3700个仿宋体、宋体、黑体(理论上还可以扩充到二级字库6700多个印刷体汉字,字体还可以增加楷体等),以及相应的尺寸出现的变化如24×24、24×48、48×48等做了特征抽取和识别试验,实验中还对链码特征库进行了几种预分类.     

一种手写印刷体汉字识别方法

本文提出一种手写印刷体汉字识别方法,使用该方法无需先对汉字进行细化和平滑处理。利用汉字笔划的相关性,抽取汉字图像的结构特征.在特征抽取过程中,考虑到一些噪声的影响,因而对质量较低劣的汉字识别也有效。实验结果较满意。     

基于数据库技术的汉字处理方法研究

汉字的点画结构使其在信息化处理中面临许多困难.本文从汉字的字型结构出发,研究数据库技术在汉字处理中的应用,提出将汉字拆分成部件,将汉字部件、汉字结构类型和部件拼接变形算法等基本数据用数据库进行管理,作为各种汉字处理应用的基础数据平台的思路和方法.在此平台之上,可以实现汉字字库生成等功能,为减小汉字图像存储量,实现风格多样的电脑汉字艺术等提供帮助.     

基于数学形态学的二值图象细化算法

介绍了传统细化算法的主要设计思想,提出一种改进的二值图象细化算法,在原有算法的基础上增加了一组承担交叉线两侧细化处理的结构元素.结果表明:这一算法使得目标图象能从各方面快速、均匀地收敛至其骨架.可以看出,结构元素是数学形态学中形态运算最重要最基本的概念,结构元素选择的是否恰当,将直接影响目标图象的细化结果.