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．     

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．     

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。     

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。     

由手写体图象恢复笔划的一种方法

本文提出一种由手写体图象复恢笔划是的跟踪算法。该算法突破了象素级链码跟踪的传统方法，在考虑了周围笔划的走向基础上进行笔划跟踪。首先，灰度图象经过二值化和细化产生手写体的原始骨架；其次由手写体的宽度信息进一步得到两类骨架：基本骨架与参考骨架；再通过基本骨架的跟踪连接得到笔划段。实验表明该方法对手写体笔划段。最后讨论了跟踪后处理，其目的是为了得到和人书写结果类似的笔划。实验表明该方法对手写体笔划跟踪有很好的效果。     

联机手写体汉字识别中的笔划分类及笔划识别

提出了手写体汉字识别的一种毛划分类方法,它把构成汉字系统的笔划分为７种基本单元,并论证了它在整字识别上容忍笔划变形度大的原因。     

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。     

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。     

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     

联机手写藏文字符笔划的分类统计与分析

根据藏文字丁的笔划特性,将笔划分解成笔段,对笔段合成的笔划进行分类处理,通过对32套样本,每套107个基本字符,共50832个笔段的统计,依据笔段出现频率,揭示出藏文字丁笔划的内在本质规律,得到手写藏文字丁的16类基本笔划,定义其为联机手写藏文识别的基本笔划类型,将更加精确、完整,更具科学性。     

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。     

基于动态规划的联机手写汉字分割方法

为解决手写汉字文本的自动切分问题,提出了一种基于动态规划的联机手写汉字分割方法.该方法根据手写笔画的结构特征、笔顺信息以及神经网络分类器给出的类概率构造代价函数,并将其分别应用于手写句子的预分割和基于识别的分割过程,然后利用动态规划算法寻找最佳分割路径.预分割在保持较低误分割率的前提下,可以有效地降低候选分割块的数量,以加速分割过程.实验结果表明,预分割的误分割率为0.57%,过分割率仅为11.1%;在未应用语言模型的情况下,最终的正确分割率为88.2%.     

自然手写汉字笔画和字根的提取

对自然手写体汉字联机识别系统中笔画和字根提取问题作了深入研究,提出并改进了有关策略和算法实现。经深入分析和测试结果表明,由于充分考虑了自然手写体汉字的书写习惯和结构特征,技术策略和算法实现具有高稳定性和变形容忍度。     

自然手写汉字五笔码识别法

在深入剖析五笔字型键盘输入法编码原则和字根结构基础上,结合联机识别技术特点对五笔字根作出适应性发行后,提出了一种联机识别自然手写汉字新方法：五笔码识别法。在构建的识别体系中 采用了层间分级技术,并提出将键盘输入技术与联机识别技术有机融合,为联机识别自然手写汉字探索新途径。     

An approach to offline handwritten Chinese character recognition based on segment evaluation of adaptive duration

This paper presents a methodology for off-line handwritten Chinese character recognition based on mergence of consecutive segments of adaptive duration. The handwritten Chinese character string is partitioned into a sequence of consecutive segments, which are combined to implement dissimilarity evaluation within a sliding window whose durations are determined adaptively by the integration of shapes and context of evaluations. The average stroke width is estimated for the handwritten Chinese character string, and a set of candidate character segmentation boundaries is found by using the integration of pixel and stroke features. The final decisions on segmentation and recognition are made under minimal arithmetical mean dissimilarities. Experiments proved that the proposed approach of adaptive duration outperforms the method of fixed duration, and is very effective for the recognition of overlapped, broken, touched, loosely configured Chinese characters.     

基于结构特征的汉字识别

提出一种基于文字结构特征的神经网络手写汉字识别策略 ,根据所提取的文字笔画方向、基本轮廓和交叉点等特征 ,采用基于自组织神经网络的模式聚类该方法完成正规手写文字的识别 .该方法提取的笔画轮廓十分准确有效 ,对手写汉字的约束少 ,可识别的汉字数量大 ,在仿真实验中有效地识别了绝大多数手写汉字     

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。     

面向字形分析的联机手写汉字规整化算法的设计

本文着重介绍了将经过相关处理后的联机手写输入的汉字,以笔画为单位规整化为笔段网格描述字形的相关算法.为进一步的汉字字形分析、计算等处理建立了可靠的基础.