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。     

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。     

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。     

一种新的手写汉字笔划直接抽取算法

在实现结构分析法识别手写汉字时，笔划抽取是关键所在。本文提出了一种直接从手写汉字点阵中抽取笔划特征的新算法。该算法具有算法简单、笔划抽取速度快、正确率高和抗干扰能力强的特点。这种算法已用于在ＰＣ／ＡＴ机上实现的成页手写体汉字（楷体）识别系统中，效果极为满意。     

一种改进的手写汉字文本切分算法

在分析传统手写汉字文本切分算法利弊的基础上 ,提出了一种改进的基于快速连通域提取的切分算法 ,算法具有很强的抗干扰能力 ,有效解决了小角度歪斜图像和笔画粘连字符的汉字切分问题 .同时给出了具体的实现方法     

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。     

限制性手写体汉字识别中的笔划跟踪及特征抽取

在对计算机的汉字识别方法讨论分析之后,本文以汉字的结构特征为基础,提出了一个新的笔划跟踪搜索方法,用来解决手写体汉字的识别问铱,在该方案中采取了速度快、质量好的平滑细化等预处理方法。在特征抽取中采用了定向记忆跟踪和笔划拼接二种方法,从而解决了在笔划抽取中,特别是在笔划经过细化处理后,不可避免地带来某种程度的笔划畸变的情况下,如何正确地抽取笔划特征,找到了一个较完善的处理方法。经过大量的计算机实验,证明该方法切实可行。且已使正确识别率提高到95％以上,误认率低于5％,识别速度小于2秒。     

脱机手写汉字识别中笔段提取算法研究

基于目前细化和特征点提取的实现方法,提出了改进的分组细化方法和远端拐点法。改进的分组细化法能够在细化过程中,根据分组数标记字符图像中分叉点的类型,为后续的拐点提取做准备。给出了一种快速提取汉字拐点的方法远端拐点法。实验结果表明,该方法能够较好地提取笔段,特征点提取的正确率达到98.6％。     

手写体汉字集成识别技术的研究

手写体汉字的计算机自动识别是一个高难度的模式识别问题,用单一识别方法难以达到理想的识别率。本首先分析了汉字识别方法的基本特点以及字符集成识别技术中存在的问题,然后结合认知科学 的研究成果,提出了手写体汉字层次集成识别的思想。     

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％。     

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。     

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.     

如何在纯西文环境下显示汉字

本文介绍了一种直接读取汉字库在纯西文环境下显示汉字的方法．     

用人工神经网络识别汉字的探讨

本文在分析人工神经网络原理以及汉字识别原理的基础上,提出了一种用于汉字识别的神经网络,旨在综合汉字识别过程中的噪声去除、特征抽取和识别判决,用例子训练神经网络,取代以前人们用规则对汉字识别系统的训练.     

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。     

汉字简化的回溯与思考

中华人民共和国成立以后，对汉字进行了两次重大的改革：第一次在1956年，成绩很大，问题不少；第二次在1978年，彻底失败，被迫废止。对汉字的简化究竞应该做出怎样的评价，回溯与思考，有利于人们对汉字的发展提供更好的、更科学的方案。     

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。