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     

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。     

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。     

利用动态信息识别汉字

随着办公自动化程度的提高，越来越需要一种更自然的方式让信息输入到计算机系统中去。一种方法是有杉一个在线系统，该系统能在文字输入时，通过动态信息识别它们。该识别系统的应用范围为手写的汉字。这些汉字有生成的规律。文字写在一个数据图形输入装置，先通过预处理增强有用信息、消除噪声、然后进行特征提取。牲包括笔划的方向、长度、次序、曲率、倾斜度以及停笔与落笔的提示信息。接着同一训练模块各部分的分类。     

一种用边界细化汉字的方法

汉字骨架是汉字的一种重要几何特征,如何对汉字进行细化,是对汉字进行识别的前提。在此提出了一种新的细化汉字方法,它是通过笔划的边缘求出其中心,以笔划中心作为细化结果。实验证明该方法具有较好的细化结果。     

嵌套型矢量汉字的实现

本文针对点阵型汉字库存贮量大、不适合绘图机等矢量型输出设备和一般矢量汉字对字库容量压缩率不高的缺点,结合汉字的结构特征,充分利用矢量型汉字易于压缩变换的特点,提出一种新的矢量汉字的实现方法。矢量型汉字的实现通常有三种方法:①存贮每一笔划的起点和终点坐标;②存贮每一笔的起点坐标和这一笔划的方向及长度;③字元法,将一个汉字分解为一些基本单元(字元)存贮字元位置和编号。这三种方法将汉字看成笔划或字元的集合,存贮量的多少由汉字笔划或字元的多少决定。嵌套型矢量汉字库结构充分体现个汉字嵌套的特点,实现了字模信息的共享,大大压缩字库存贮量;但增加了字库结构的复杂性,输出时增加机器的开销,输出速度较其它几种方法稍慢,若通过优化字库结构,编制造字工具软件等会有所改进。     

用神经网络方法进行汉字的部件识别

用二维图形结构的汉字属性关系图,从二维角度来直接描述汉字具有较强的描述能力.但其中由笔划间的关系图描述的部件通常关系复杂,其匹配问题如果采用传统的匹配方法来解决,其计算量和复杂度是非线性递增的.在此,提出一种神经网络的解决方法.实验结果表明,将神经网络的方法用于汉字的部件识别过程,可以大大地减少计算时间和计算量,且具有一定的容错能力.     

高反差大容量汉字信息存储靶

本文提出一种高反差大容量汉字信息存储靶。它的存储容量为6763个汉字;965个彝、藏、西傣和德傣文字;752个英、俄、日文字母,标点符号,数字,拉丁字母和其它符号,总计一万个字符。经用SEM对靶进行模拟实验表明,该靶所产生的汉字笔划清晰,字形美观,分辨率高。用于精密汉字排版印刷是很有发展前景的。     

字符识别在车牌识别中的应用

介绍了一种识别车牌中汉字字符的方法，它包含了车牌的定位，预处理，字符识别等几个重要环节．该识别方法分为2级，粗分类是依据文字的四周面积编码来分类的；单个汉字的识别，是依据文字的全局笔划方向特征来识别的，由于此识别方法简单，识别速度较快，故识别效果理想，     

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.