基于局部信息的手写汉字笔画提取

现有计算机在指导手写汉字练习与测试中，指导依据大都基于全局特征，缺少基于更细粒度特征。提出一种基于局部信息的手写汉字笔画提取方法，为手写汉字评价与指导等任务提供数据支持。首先提取出汉字骨架并对骨架中的毛刺与断裂等问题进行优化；然后使用PBOD算法提取汉字交叉区域后，对交叉区域进行合并删除，消除笔画形变，通过局部信息计算笔画段的组合系数，根据组合系数提取笔画；最后根据获取到的笔画数与算法迭代次数，动态调整组合系数阈值，保证在正确连接笔画段的前提下提取到更可能多的笔画。将该方法在手写汉字数据集上进行实验，其准确率、召回率与F1值分别达到了95.91%、95.71%与95.81%，可用于后续的手写汉字评判与指导等任务。     

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。     

基于动态规划的联机手写汉字分割方法

为解决手写汉字文本的自动切分问题,提出了一种基于动态规划的联机手写汉字分割方法.该方法根据手写笔画的结构特征、笔顺信息以及神经网络分类器给出的类概率构造代价函数,并将其分别应用于手写句子的预分割和基于识别的分割过程,然后利用动态规划算法寻找最佳分割路径.预分割在保持较低误分割率的前提下,可以有效地降低候选分割块的数量,以加速分割过程.实验结果表明,预分割的误分割率为0.57%,过分割率仅为11.1%;在未应用语言模型的情况下,最终的正确分割率为88.2%.     

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。     

Visual C＋＋实现联机手写汉字笔画关键点的提取

介绍了矢量曲线数据压缩算法-Douglas-Peucker算法,使用Visual C＋＋编程实现了按笔画联机手写汉字的笔画信息的获取,并应用Douglas-Peucker算法解决了联机手写汉字笔画关键点的提取．     

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。     

基于神经网络和三角形统计特征的文字识别

提出一种有效的文字特征提取方法,用三角形网格提取文字统计特征,然后利用自组织映射神经网络(SOM)对四类印刷体汉字进行文字识别,计算结果表明该方法用于文字识别准确性较高.     

基于BP神经网络的手写数字识别系统

提出了利用BP神经网络方法来实现手写数字识别系统的方案。手写数字图像通过颅处理后,在特征提取方面采用两种适应性较强的特征提取方法,即18点特征提取方法和手写数字笔画特征提取法．不但减少了提取时间。而且提高了手写数字图像的识别率。利用Visual C＋＋编写手写数字识别系统,得到了较好的识别结果。     

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。     

基于笔画平面和模糊隶属度的手写体汉字识别

基于笔画平面抽取和动态网格划分,提出一种笔画平面与模糊隶属度相结合的手写体汉字特征提取方法,该方法克服了汉字特征抽取过程中因笔画粗细不均、笔画长短变形等引起的特征抽取不稳定问题.其基本思想是：用动态网格将汉字图像分别划分为横、竖、撇、捺4个笔画平面,并赋予每个网格中的点模糊隶属度,针对每个网格求加权累积直方图,最终获得汉字特征.基于南京理工大学NUST603HW手写汉字库的实验结果表明,该汉字特征抽取方法是有效的.     

An approach to offline handwritten Chinese character recognition based on segment evaluation of adaptive duration

This paper presents a methodology for off-line handwritten Chinese character recognition based on mergence of consecutive segments of adaptive duration. The handwritten Chinese character string is partitioned into a sequence of consecutive segments, which are combined to implement dissimilarity evaluation within a sliding window whose durations are determined adaptively by the integration of shapes and context of evaluations. The average stroke width is estimated for the handwritten Chinese character string, and a set of candidate character segmentation boundaries is found by using the integration of pixel and stroke features. The final decisions on segmentation and recognition are made under minimal arithmetical mean dissimilarities. Experiments proved that the proposed approach of adaptive duration outperforms the method of fixed duration, and is very effective for the recognition of overlapped, broken, touched, loosely configured Chinese characters.     

兼顾连笔和笔顺的联机手写汉字识别方法

为解决联机手写汉字识别技术中兼顾连笔和笔顺的难题，提出了联机手写汉字的模糊属性关系图描述和基于知识的松驰匹配方法。该方法能充分描述汉字结构、对手写变形不敏感，并具有良好的连笔字识别能力和适应不同笔顺的特点。基于上述方法，作者实现了一个联机手写汉字识别系统。实验结果表明，本方法能够有效地增加对于低限制书写汉字的识别正确率，并具有较好的抗噪声能力。经过２２５３０汉字测试，首位识别率达９８．８％，前十位识别率达９９．７％。     

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     

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。     

基于组合分类器的联机手写汉字识别

提出一种基于二级组合分类器的汉字手写体识别方法,首先提取汉字的整字特征和笔划特征;进行单字识别的过程中,GA-BP笔划分类器起着对汉字识别的主导作用,当写入汉字出现连笔、字形变化导致系统产生拒识情况时,采用隐马尔可夫整字分类器作为辅助去提高整体的识别率.     

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。     

基于笔划和笔顺的汉字识别算法

以笔划为基元结构笔划的顺序来表示汉字的结构信息,在此基础上提出了一种笔写汉字识虽的匹配算法,对于结构类似的汉字,该算法可以通过特征关系予以识别,从而提高汉字的识别率。     

基于融合特征和LS-SVM的脱机手写体汉字识别

提出的脱机手写体汉字识别系统主要研究特征提取和分类识别两个模块.特征提取模块主要包括采用基于不变矩和弹性网格技术的串行特征融合方法,所得到的特征向量不仅充分反映了手写体汉字的全局和局部特征,而且具有很强的区分表达能力.分类识别模块将神经网络多类分类策略与最小二乘支持向量机相结合,所得到的分类器不仅识别率高、泛化能力强,而且有效地解决了多类分类问题.实验证明本文提出的识别系统能够取得很好的识别效果.