计算机汉字识别和静态手写汉字签名鉴定技术综述

经过训练、高质量的摹仿手写汉字签名给文件检验工作者提出了挑战,使传统的特征比对方法显得力不从心,据此本文提出采用计算机进行精确、快速的静态手写汉字签名鉴定。对于静态手写汉字签名鉴定,如何选择良好的特征和对选择的特征进行描述,使描述后的特征具有相对的稳定性,特征描述模型很好地反映书写者的生物特征而不是汉字本身的内容,是计算机静态手写汉字签名鉴定问题首先要解决的问题。     

基于生成对抗网络的手写汉字生成方法研究

在计算机机械学习领域,相对于数字和英文字母,手写汉字的自动生成研究是个重点难点问题,且具有重要研究意义。随着深度学习的不断发展,生成对抗网络在图像生成领域取得了很大进展。本文提出了一种基于循环生成对抗网络(Cycle Generative Adversarial Networks, CycleGAN)的无监督手写汉字生成方法。利用标准仿宋字体图像和手写字体图像进行训练,生成的手写汉字图像具有比较高的识别度。     

手写汉字识别系统的研究与应用

本文在研究汉字识别理论的基础上,介绍了手写汉字识别系统研究的意义及其在实际中的应用,并对当前手写汉字识别的现状及存在的问题进行了分析,提出了限定性脱机手写汉字识别的研究方向,以供研究参考。     

基于形态学与神经网络相结合的手写体汉字识别实验系统

本文利用形态参量和神经网络相结合的方法来研究手写汉字识别。设计了一个具有学习功能的手写汉字识别实验系统，对一级汉字进行实验，给出了识别的实验结果；平均正确识别率为８６％‘并指出了存在的问题和改进的方法。     

基于部件融合的“我”体字库的建立

为丰富计算机字库,传承中国文化,减少人工手写工作量和汉字图像字库的存储量,提出了一种基于部件融合的“我”体个性字库的建立的方法。该方法通过提取个人手写稿的部件与352个部件匹配,由Gabor小波提取部件特征,利用仿射变换和图象卷绕来实现部件融合为“我”体汉字。试验表明,该方法可行,在减少人工手写工作量和降低汉字图像字库的存储量上具有显著的优点。     

让手写无处不在——记汉王科技股份有限公司研发部总经理钮兴昱

钮兴昱现任汉王科技股份有限公司研发部总经理,副研究员。主要研究方向是基于多平台多语种的手写识别和手写应用技术的研究与开发,负责参与的“汉王形变连笔的联机手写汉字识别方法与系统”项目,多次获得国家、各部委、市级的表彰和奖励。     

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。     

非限定手写汉字的分割研究

分析目前手写汉字分割研究的几种有效方法，在此基础之上提出了针对非限定手写汉字分割的多层投影算法。通过对经典投影方法的补充和扩展，建立算法的基本模型，编写相应的程序，应用于支票校验系统当中。实际的金融支票大写汉字识别实验结果证实所提出的算法的有效性。     

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。     

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。     

输汉字用笔写——摩托罗拉推出最新连笔汉字手写电脑识别系统

一支笔,一块写字板,无需改变任何书写习惯就可轻轻松松将汉字写入电脑。对于广大电脑爱好者来说,这已不是一个梦想。日前,摩托罗拉(中国)电子有限公司推出了“慧笔”中文手写识别电脑输入系统,首次实现计算机对连笔汉字的识别。使用者将不再需要学习和使用英文键盘及各种复杂的汉字输入系统,仅按个人书写习惯,即可将不同写法的汉字输入电脑,转化为印刷体。据悉,这是摩托罗拉公司向中国市场推出的第一套计算机软件产品,国内具有多年汉字识别经验、以推出清华TH-OCR闻名的北     

基于CNN和随机弹性形变的相似手写汉字识别

针对手写汉字中相似汉字的识别问题,构建了一种卷积神经网络(CNN)模型,并给出了其网络拓扑结构,通过随机弹性形变对样本集进行扩展,以提高模型的泛化性能.相似手写汉字的识别实验结果表明:相对于常规的CNN模型,文中CNN模型的手写汉字识别正确率提高1.66%,特别是对于变形的手写汉字,识别正确率提高12.85%;相对于传统的手写汉字识别方法,文中方法的识别错误率降低36.47%,从而验证了文中识别方法的有效性.     

识别限制性手写汉字的结构分析方法

本文提出一种对限制性手写汉字的结构识别方法。在对汉字的笔画构成以及笔画之间的相互关系进行分析的基础上,采用链码来描述汉字的结构特点。通过回溯策略的运用,使得笔画抽取中的一些错误可以得到自动的纠正。在实验中,该方法对500字种的常用汉字取得了较好的识别结果。     

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。     

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。     

汉字录入和录易系统

汉字是中华民族5000年文化的象征,作为一种象形文字,它字量大、字体多、结构复杂。汉字不仅仅是记录和传递信息的符号,优美的汉字书法更成为艺术中的瑰宝。但是在信息飞速发展的今天,当越来越多的人开始走上自动化办公以电脑代替纸笔的时候,汉字输入却给我们带来了不大不小的难题。对于许多人来说在计算机里通过各种输入法录入汉字远没有手写方块字来得方便快捷。于是很多人称汉字录入问题直接成为中国人自如应用电脑的阻力,汉字录入是中国计算机产业发展的瓶颈。人们一直盼望能够轻轻松松实现     

一种联机手写汉字识别算法的设计与实现

提出了一种统计识别算法与结构算法相结合的联机手写汉字识别算法，模糊采集手写汉字与模板的结构对应关系．应用统计算法进行特征匹配识别，实现了与书写笔划顺序无关的快速、高识别率、手写字形限制小的国标两级汉字识别．     

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     

手写印刷体汉字识别的一种笔划抽取方法

本文提出一种用于手写印刷体汉字识别的笔划抽取方法.输入的手写印刷体汉字经细化预处理后,对之进行分析,抽取各种特征点和线段,然后通过一个产生式系统形成和识别10种结构笔划.用Pascal语言编程的一个实验系统在一台微型计算机上运行.本文给出初步实验结果并对其加以分析.     

汉字的S—E坐标提取及其骨架重构

本文从手写印刷体汉字的计算机光学输入的离散模式出发,提出一种称为S-E坐标的特征提取的新方法。S-E坐标的特征提取及基于S-E坐标的汉字骨架重构在快速实时、数据压缩、畸变消减以及抗干抗性等方面优于通常的细化算法。最后简介基于S-E坐标的汉字识别法。分析与实验表明,S-E坐标为进一步的特征提取和汉字识别提供了一种有效的工具。