脱机手写体藏文的特征提取

文章提出了近年来常用的几种脱机手写体藏文的特征提取方法,其中,比较有代表性的、识别率较高的是基于轮廓跟踪的笔划提取方法、基于模糊方向线素的特征提取方法,文中将主要对这两种方法进行介绍,同时简要的介绍了另两种较有发展前途的方法.     

印刷体简谱的实时识别

论述用图象处理机实现印刷体简谱识别并通过IBM-PC微机演唱的方法。基于TMS32020图象处理机的高速运算能力及简捷有效的识别办法,实现了单张及多张乐谱的连续实时识别和演奏。     

二级印刷体汉字的识别

本文提出了一种利用数学形态学提取汉字结构特征进行汉字识别的方法。该方法模仿人的认字过程，根据汉字构造的基本规律选取字的边框特征和局部特征，所取特征可适用于多体印刷体汉字的识别。用传真机输入的６７６３个二级汉字进行了实验，分类稳定，正确识别率为９５．２％。     

基于分形矩的印刷体藏文特征提取方法

基于现有的藏文字丁特征提取方法——图像投影法和方向线素法，运用分形矩理论，提出了一种基于分形矩的藏文字符特征提取方法．用该方法提取的特征有效地反映了藏文字丁的局部和全局特征，减少了图像中像素位置变化给识别部分带来的负面影响．该方法在一定程度上克服了藏文字丁极多而造成的误识率高的缺点，并且解决了由于特征向量雏数较多造成的运算速度慢的问题．     

Web环境下藏文信息处理技术

文章就浏览器中藏文字体显示的解决方案作了描述.它是建立在Microsoft提供的IE基础之上,利用IE 的ActiveX Control扩展特性以及Windows操作系统对True Type字体的底层基础设施,在应用层上实现了浏览器中藏文字体信息显示,并对现有技术的弊端加以阐释.     

手写印刷体汉字识别中特征及提取方法的改进

通过对汉字整体结构的分析及描述，在传统的特征点基础上，我们双提出了一种新的特征点，并对常用的特征点判别方法进行了改进。这种方法可以应用于印刷汉字及允许一定变形的手写体汉字，经实验表明，提取精度较高。     

印刷体蒙古文字识别技术中切分方法的设计与实现

文字识别是人工智能的一个重要研究领域．有些民族文字识别的成果已转化为商品化软件．蒙文文字识别的研究还处于起步阶段，蒙古文字的结构和书写方式与其他文种相比有许多特点．印刷体蒙文文字识别技术中字元切分的方法，经过实验其切分正确率在98％以上，并已成功地用于印刷体蒙文识别软件中．     

印刷体蒙古文文字识别的研究

本文重点介绍了印刷体蒙古文的结构特征、印刷体蒙古文的切分方法.特征选择种类繁多,从大量模糊特征中选择出有效特征进行分类,再对印刷体蒙古文的切分方法（行切分、字元切分）进行了详细的说明.     

基于分形矩的印刷体藏文特征提取方法

基于现有的藏文字丁特征提取方法——图像投影法和方向线素法,运用分形矩理论,提出了一种基于分形矩的藏文字符特征提取方法.用该方法提取的特征有效地反映了藏文字丁的局部和全局特征,减少了图像中像素位置变化给识别部分带来的负面影响.该方法在一定程度上克服了藏文字丁极多而造成的误识率高的缺点,并且解决了由于特征向量维数较多造成的运算速度慢的问题.     

藏文数词识别与翻译

通过对藏文数词内部构词规律及外部边界信息进行分析, 提出对藏文数词基本构件定义的方案。采取最优路径决策模型判断数词构件边界, 然后通过有限自动机模型识别并翻译基本数词, 最后用模板匹配算法处理复杂数词。结果表明,提出的方法对数词识别与翻译的F值达到98.73%, 在藏汉机器翻译的测试集上的BLEU提高了2.64%。     

印刷体蒙古文文字识别的研究

分析了蒙文文字的结构特征，论述了蒙文印刷体文字识别的原理，提出了从蒙文文字的预处理到特征提取以及模式分类等各处理阶段的实现方法，并且已将这些方法应用于蒙文印刷体文字识别软件的设计中，试验结果表明这些方法是可行的和高效的。     

藏文基本字符识别算法研究

对藏文基本字符用投影法：垂直、水平、两对角线四个方向五个子特征进行研究，并给出了特征抽取、模式匹配、字符分类的算法．     

车辆牌照字符识别

介绍了一个牌照字符识别系统的字符串图像提取部分和字符识别部分 .前者采用基于纹理的分割阈值选取方法 ,即先对牌照图像进行纹理分析 ,然后对取得的直方图采用模式识别中的最大最小准则决定分割阈值 ,其效果优于传统的直方图方法 .后者采用多个简单识别器融合方法进行字符识别 .这一方法根据不同类型识别器的特性 ,采用串、并联混合的方案将它们组合在一起 .与单一识别器相比 ,不仅大幅提高了识别率而且缩短了识别耗时 .这一系统对牌照汉字、数字和字母的识别率均大于 96%,总的牌照识别率为 82 %.     

一种自动学习的印刷体汉字识别系统

介绍一种采用可能性理论与模糊逻辑方法相结合的自动学习分类器设计系统。该系统通过学习抽样字符可测定特征值的可能性。分类器利用模糊逻辑来联合几种特征而计算出全特征组的可能性。在分类器设计中可以自由选择字符类及特征的数量。所描述的印刷体汉字识别包括粗分类及两级精分类。为了克服字符结构变化对特征的影响，在字符点阵中将特征抽取区域的界线模糊化。全系统包括字体分类器及四个单字体分类器。     

基于多引擎的印刷体汉字识别系统的设计

设计一种基于多引擎的印刷体汉字识别系统,优先采用汉王光学字符识别（OCR）引擎的版面分析结果,在汉王、清华OCR引擎分别完成字符识别之后,根据字符的图像坐标,整合两者的识别结果,并用彩色突出两OCR引擎的冲突字符、置信度低的字符及WiseCheck语义校对引擎提示的错误字符。该系统改善了现有大规模数字化加工生产线中人工...     

模式识别中基于Boosting的特征筛选

提出了一种基于Boosting的特征筛选算法.根据Boosting分类训练时的训练错误率、训练过程中错误率的收敛速度以及测试错误率确定特征影响因子;利用这些影响因子对待识别目标的特征进行排序,去除冗余特征,以降低特征空间的维数.对于筛选后保留的特征,根据其影响因子进行加权,以提高目标识别的准确率.用该方法可避免其它分类学习器训练时的过学习现象,生成的分类器模型小,识别速度快,适用于对特征不易确定的目标识别.     

数字字符图像的自动识别

针对无限制手写体数字字符的识别问题进行了探讨．输入图像经过预处理后。进行特征抽取及分域处理．每一区域内对应一类基元、基元的类别由特征组合情况来确定．对骨架的拓扑结构进行全面描述．形成输入字符图像的一维链码．以此与参照链相匹配．根据匹配结果。进行识别．