基于小波变换的印刷体汉字字体识别研究

本文提出了一种用于识别印刷体汉字字体的方法。首先对汉字的字符图像进行小波分解,然后依据汉字的字型特点,在分解的各子图像上提取汉字基本笔画(横、竖、撇、捺)的能量比例特征。最后依据提取的字体特征进行分类识别,分类器采用MQDF分类器。在包含六种常用字体的样本集上进行了测试,结果表明本文提出的算法能够对单字符字体进行有效地识别。     

基于Gabor函数的汉字字体识别

汉字字体识别是当前中文OCR系统需进一步解决的问题之一,字体信息属于汉字笔画上的微细结构部分,抗干扰能力差,这样基于局部微细结构分析的方法是具有较大难度的.这里采用了一种新的基于Gabor函数的全局纹理分析的识别方法.在实验中选用了汉字4种常用标准印刷字体（宋、仿宋、黑、楷）的样张,以证实这种方法的有效性.     

一种实用手写体汉字归一化方法

在手写体汉字识别或者笔迹辨伪的过程中,一般需要用到文字的归一化处理过程,相对于印刷字体构成的书写样本,手写体存在较多的汉字交错和粘连的情况.根据汉字粘连的情况不同,进行手写体汉字的归一化困难程度也不同.为此,阐述一种实用手写体汉字归一化方法.     

基于神经网络的小样本手写汉字识别

文字图像识别具有重要的研究价值,为了完成复杂的字体图像识别任务,基于VGG结构思想,设计了基于卷积神经网络结构的手写字体识别模型,使用HWDB1. 1数据集中最常用的100个汉字组成的子数据集,应用Batch-Normalization等方法进行优化训练。实验结果表明,模型能够以很快的速度收敛,在有限的训练迭代次数下,模型在测试集上的识别准确率为96.77%。     

数控冲裁加工汉字技术的研究

数控冲裁加工在现代钣金加工中占据重要地位,但是运用此技术冲裁汉字在该领域还是一片空白.而汉字用线切割,激光打标技术等加工费用昂贵,对大尺寸字体的加工受机床尺寸和加工效率限制.为此,本文就汉字在数控冲裁加工中的自动编程技术做了详细研究,内容主要包括在DXF文件中读取汉字的字体参数,在VC环境下建立汉字特征轮廓曲线函数,最后生成冲裁加工字体用的G代码.该技术提出了一种大尺寸汉字加工的新方法,提高了加工效率和精度,减少了汉字字体图形的失真,扩大了数控冲裁的加工范围.     

种用于单字符字体识别的汉字特征提取新算法

本文主要论述了在单字符字体识别中汉字特征提取的新算法。首先使用小波变换对汉字进行分解,然后提取分解后的高频子图像的能量特征;在根据汉字不同字体的特征提取低频子图像的字符轮廓结构特征。     

论汉字字体设计的意象表现

针对目前部分汉字字体设计作品单纯以形式表象作为其创作思路的片面性,提出了汉字字体设计意象化表现的重要性.从前沿的字体设计理论出发,深入剖析汉字字体设计之＂意＂的内在意境,和＂象＂的识别性、艺术性和整体性.结合相关理论运用例证的方法,重新阐释了汉字字体设计意象表现的内在创意思维、文化内涵、价值取向和审美取向,总结出汉字意象化设计的新理念和创新应用方法,从而为现代汉字字体设计提供一定的设计思路和启示.     

基于改进生成对抗网络的汉字字体生成算法

为解决现有字体模型不完善的笔画连接、不正确的拓扑结构、字形模糊等伪影问题,提出了一种基于改进条件生成对抗网络的汉字字体生成算法.本算法将字体生成任务视为图像转换问题,提出FontToFont和MSAFont两种自动字体生成方法.针对现有汉字字体生成模型存在的问题,提出了基于改进条件生成对抗网络的汉字字体生成算法FontToFont,通过引入U-Net网络结构,可以使生成器保存更详细的信息,并有利于模型性能.建立一种基于多种风格汉字字体的数据集,定性定量验证模型的性能.提出的这种基于改进条件生成对抗网络的汉字字体生成算法,能够从多风格汉字字体中的一部分字体生成高质量的一整套汉字字体.通过设计师的评价及模型消融实验,生成字体的视觉质量和完整度效果良好.     

汉字结构识别

本文旨在介绍一种按字体结构模式对限制性手写汉字的识别方案。根据这方案已建立了能识别5千多个常用汉字的模糊样板字典库,对较为规整的手写汉字进行了识别,获得了较满意的结果。     

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。     

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。     

BP神经网络在脱机手写吾美藏文识别系统中的应用

本文通过对现在流行的各种识别技术的分析比较,以及对吾美藏文手写体特征的深入分析研究,提出了一套基于BP神经网络分类器的吾美藏文OCR识别方案。基于该技术,开发出一个吾美藏文识别系统。结果表明,依赖特定人的辅音字母识别率达到95%以上。     

面向满文字符识别的训练数据增广方法研究

为解决采用深度学习方法研究满文识别中训练样本匮乏的问题,提出一种使用数据增广方法扩展训练样本集的技术框架。该框架包括字体几何结构变形与图像质量变换两个模块,采用仿射变换、弹性形变等9种数据生成方法,分别模拟满文字符图像的笔画粗细变化、扭曲变形、光照不均、不同视角及背景等情况下的采集效果。在满文识别的研究中,采用该方法将每个类别的字符数据量扩展到7万个。实验表明,该方法生成的数据在一定程度上弥补了训练样本不足的问题,是解决训练样本匮乏问题的有效技术手段。     

终端嵌入式数学公式手写识别中的连笔搜索算法

在数学公式的手写识别中,由于人们的书写习惯造成大量连笔的存在,连笔识别错误给后续公式的识别造成的影响是当前公式识别系统中一个非常重要、而又没有得到很好解决的问题,同时,公式输入的过程中出现连笔又在所难免.本文提出了一种基于DP算法和隐马尔可夫模型的数学公式连笔字符识别方法,识别时,采用DP匹配算法和隐马尔可夫模型相结合的方法,首先使得字库样本与待识样本的码列匹配关系是最优的,当出现连笔字符或结构系统拒识时,采用隐马尔可夫分类器,从而提高整体的识别效率.     

汉字笔画若干数据的统计方法研究与应用

统计汉字笔画信息的各种数据,这些数据主要包括:每个汉字的平均笔画数及按使用频度加权的平均笔画数、以各种笔画起笔的汉字数目、各种笔画在汉字字库中的出现次数、汉字字库中笔画相同的汉字、能与其他字区分开的汉字前若干笔画数的平均数与加权平均数以及汉字字库中相邻笔画的频度等。统计的数据对于基于笔画的汉字输入法和汉字的联机手写识别等方面具有重要的指导意义,我们根据这些统计资料设计了标准键盘和数字键盘,并在Windows下实现了以上两种笔画输入法。     

一种基于字符边界的细化算法

字符图像细化能极大地消除图像中的冗余信息量,大大简化字符识别特征的提取过程,提高字符识别的准确性和快速性.对字符进行细化,是字符识别的前提.提出了一种利用字符边界细化字符的算法,每一步都针对单个像素点作处理,并提取笔划单侧边缘点序列作为字符图像骨架.实验结果表明：该算法能较好地保留字符图像的基本信息,快速地去除字符图像中冗余的像素点,有效地解决了交叉点分离,笔段变短等问题,并为连笔笔划的切分提供了有效的方法,具有较好的细化结果.     

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。     

基于语义构件的甲骨文模糊字形的识别方法

针对殷墟甲骨文字整理过程中大量模糊字形难以识别的问题,提出了一种基于语境的统计分析和Hopfield网络相结合的模糊匹配识别方法。该方法利用语境分析生成的候选字库得到对应的甲骨文语义构件向量,然后结合基于Hopfield网络的识别结果计算待识别的甲骨文模糊字的匹配度,根据匹配度确定目标甲骨字。实验表明,该方法对部分甲骨拓片的模糊甲骨字识别效果较好。     

融合中文字形和字义的字向量表示方法

字向量表示质量对中文文本处理方法有重要影响。目前,常用中文字向量表示方法Word2Vec、GloVe在很多任务中表现优异,但存在向量质量依赖训练数据集、稳定性差、没有考虑汉字整体字形结构所隐含的语义信息、没有利用字典包含的语言知识等问题。为了克服现有方法的不足,该文首先采用字形自编码器自动捕获汉字字形蕴含的语义,再利用字义自编码器抽取字典包含的稳定字义信息,提出了融合中文字形和字义的字向量的表示方法(Glyph and Meaning to Vector)。结果表明,GnM2Vec在近邻字计算、中文命名实体识别和中文分词三项任务中均取得了较好的结果,在命名实体识别中,F1值较GloVe、word2vec、G2Vec(基于字形向量)分别提高了2.25、0.05、0.3;在中文分词中,F1值分别提高了0.3、0.14、0.33,提高了字向量稳定性。