一种改进的脱机手写文字细化算法

在分析已有细化算法的基础上,针对两个像素宽的文字笔划,设计像素保留算法,有效解决了文字笔划断裂及丢失问题。实验证明,该改进算法能够准确提取文字骨架,在批量手写文字识别处理领域具有广阔的应用前景。     

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。     

基于梯度霍夫变换的藏文手写采样表格检测

藏文手写字丁的提取是藏文手写字丁特征分析的基础,是脱机藏文手写体识别预处理工作的重要部分.为了能够顺利提取藏文手写采样表格中的藏文字丁,我们对现有的表格检测方法加以分析.在本文中,利用霍夫变换检测直线的原理,我们对基于梯度的霍夫变换算法进行改进,将其应用到藏文手写体采样表格中表格线的检测.试验证明,该算法能够较好地检测出采样表格中的直线.     

用于手写体汉字识别的汉字结构模型

针对手写体汉字识别问题，选取笔段和笔划作为基元，分析手写体汉字的组成规律和变形规律，提出了两种汉字结构模型：笔段中心点模型和笔划关系矩阵模型，以及基于模型的分类依据和识别方法．根据所提出的模型，采用两级分类方案构造汉字识别系统，粗分类采用笔段中心点法，细分类采用笔划关系矩阵法．实验表明模型是有效可行的．     

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。     

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.     

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.     

离线手写体数字笔迹重构方法

笔迹重构是从字符的静态图像中提取笔迹顺序信息,有助于将在线识别方法应用于离线识别问题,以及实现单个手写字符识别和字符序列识别方法的统一．基于笔段的笔迹重构方法中,笔迹重构实质上就是笔段的排序问题．采用基于骨骼的方法提取字符的笔段,并根据笔段结构图构建笔段关系图;将笔迹重构视为一个全局最优问题,采用总体方向变化最小路径重构书写笔迹;该问题通过搜寻最小代价Hamilton路径来解决,等同于解所构建图中的旅行售货郎问题．在手写体数字笔迹重构实例分析的基础上,对200个字符图像进行测试的正确率是93．5％．实验结果表明,该方法对于手写体数字笔迹重构是有效的．     

由手写体图象恢复笔划的一种方法

本文提出一种由手写体图象复恢笔划是的跟踪算法。该算法突破了象素级链码跟踪的传统方法，在考虑了周围笔划的走向基础上进行笔划跟踪。首先，灰度图象经过二值化和细化产生手写体的原始骨架；其次由手写体的宽度信息进一步得到两类骨架：基本骨架与参考骨架；再通过基本骨架的跟踪连接得到笔划段。实验表明该方法对手写体笔划段。最后讨论了跟踪后处理，其目的是为了得到和人书写结果类似的笔划。实验表明该方法对手写体笔划跟踪有很好的效果。     

基于滑动窗口的动态手写签名局部相关性研究

为了解决直接序列匹配中签名序列存在随机波动和时间轴方向非均匀伸缩,导致相关分析给出的匹配度不高的问题,提出了采用滑动窗口对真实签名进行局部相关性分析的方法.将手写签名按压力划分成若干笔段,研究笔段匹配算法;对分段后的数据序列用滑动窗口算法进行局部相关分析.算例显示,对不同的签名个体而言,总有一些笔段的相关性极高,最小相关系数都达到0.8甚至0.9以上,这些笔段,正是签名者的稳定的签名特征,无论是相关分析法还是特征矢量分类法,滑动窗口局部相关分析都是一种有效的算法.     

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．     

笔顺自由和笔划数可变的联机手写汉字识别方法研究

提出了一种新的联机手写汉字识别方法，采用笔划的模糊生特征描述手写输入汉字。改进了笔划动脉匹配技术，形成了笔顺自由和笔划数可变的识别方法，对ＧＢ２３１２－８－汉字库进行了实验，获得了较好的结果。     

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     

手写体汉字识别中基于笔段的松驰匹配算法

在汉字识别中，基于线性变换的识别模型往往会失效，用轮廓线段来进行松驰匹配．当手写体汉字曲折笔划较多时也很难提取稳定的轮廓特征，而且轮廓提取受笔划写书粗细的影响较大。本文用相容匹配算法来提取汉字的笔段特征，用模板匹配识别出手写体汉字样本。文中给出一个１００个汉字的识别结果．     

现代藏文字构件分解方法

文中通过分析藏文文法,提出了自动分解现代藏文字构件的方法,其基本思想是:利用藏文文法将藏文字分解为基本构件和组合构件,并通过建立组合构件属性库进一步将组合构件分解为基本构件,同时确定出各基本构件的位置特征。     

晨拓神指——三能手写识别系统

美国新思和北京晨拓公司联合推出高智能中文手写输入工具:晨拓神指——三能手写识别系统。晨拓神指采用了新思公司首创的非完全笔划汉字输入技术,实现了从汉字的最初三、四个笔划,或者一个粗略的轮阔来识别所要书写的汉字,可平均节省     

基于笔划合并和动态规划的联机汉字切分算法

联机手写汉字识别已从单字识别走向多字,乃至整篇文档的识别,字符的正确切分很大程度上决定了系统的性能.为了提高系统对整页文档的切分识别性能,该文提出了一种联机手写汉字的切分算法.通过基于规则的笔划合并将单个笔划合并成字符块,在此基础上,采用动态规划算法,利用字符块的长宽比、大小、间距以及识别信息,寻找出最优的切分路径.同时,对于手写汉字的任意性,提出了一种对汉字外接矩形框进行裁减的调整算法,使外接框并不包含整个汉字.实验证明,该文所提出的算法对于字数较多的多行样本以及存在字符相互粘连的情况,都有着很好的效果.     

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。     

基于深度卷积神经网络的手写哈萨克文字母识别方法

利用卷积神经网络在图像识别方面的优势,提出了一种基于深度卷积神经网的哈萨克手写字母识别方法(DCNN-KLR),成功建立了一种哈萨克手写文字识别模型。 与传统的方法(SVM+HOG)相比,不仅训练方便、速度快,而且提高了哈萨克手写文字的识别率。在5708个数据样本上进行训练和测试,将样本分为33类和100类,正确识别率分别达到93.29%和92.38%。     

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.