手写体女书文字规范化处理程序研究

在研究文字细化和细化后笔划校正的基础上,提出了一种建立规范的女书字符集的方案.指出了在处理细化后骨架产生的畸变时,作为特征点之一的拐点较难寻找,根据拐点的特性给出了一种新的寻找算法.按照该算法设计了处理程序,通过具体的应用,证实该算法是有效的.     

基于骨架平滑与均匀膨胀的女书轮廓字形生成方法

针对手写女书字符目前尚未规范化,提取轮廓不平滑的问题,提出了一种笔画粗细均匀的女书轮廓字形生成方法,包括骨架提取、毛刺去除、骨架膨胀和轮廓提取等四个步骤。针对女书字符多呈菱形,弧笔和斜笔居多的特点,提出了一种单像素骨架提取算法;该算法结合八邻域模板邻域像素值分析与索引表遍历查找的思想,获得的骨架可以保持平滑性与骨架整体的单像素性。针对少量骨架结果伴有部分毛刺的情况,采用Rutoviz相交数分析法和Freeman方向链码法,设定不同的长度阈值和级别进行分级处理,有效去除毛刺。然后采用形态学运算对骨架进行均匀膨胀,得到笔画粗细均匀的女书字符,并采用边缘梯度和边缘跟踪的方法提取字符轮廓和生成轮廓字形。实验结果表明,该方法能快速、有效生成笔画粗细均匀、轮廓平滑的女书轮廓字形,对其他手写字符具有一定适用性。     

数字图像的一种快速细化方法

提出一种基于保留中心骨架的细化算法 ,在细化过程中 ,只利用一个 3× 3的模板 ,便可以快速地判定细化中的连通性 .并且针对手写数字识别的一种实际问题 ,给出改进的细化算法     

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。     

周边方向贡献度在脱机手写女书特征提取中的应用

目前国内OCR及其特征提取技术主要应用于汉字的识别,对于少数民族文字,特别是女书,没有提出一种有效的特征提取算法.在分析全局笔画方向密度特征(G-DCD)和局部笔画方向密度特征(L-DCD)的基础上,将周边方向贡献度特征提取算法应用到女书文字的特征提取.实验结果表明:该方法不仅克服了手写体女书字符不规范而造成的误识率高的缺点,并且识别率较前两种方法有明显的提高.     

汉字的S—E坐标提取及其骨架重构

本文从手写印刷体汉字的计算机光学输入的离散模式出发,提出一种称为S-E坐标的特征提取的新方法。S-E坐标的特征提取及基于S-E坐标的汉字骨架重构在快速实时、数据压缩、畸变消减以及抗干抗性等方面优于通常的细化算法。最后简介基于S-E坐标的汉字识别法。分析与实验表明,S-E坐标为进一步的特征提取和汉字识别提供了一种有效的工具。     

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。     

一种快速的一次扫描细化算法（OSSTA）

提出了一种快速的一次扫描细化算法，通过骨架点的预测分析，得到骨架点，对非骨架点的像素不作判断，并通过插补连接得到骨架。另给出了细化实例。     

一种基于字符骨架的汉字细化算法

字符细化可极大地消除冗余信息,提高字符特征提取的速度和准确率,文中提出一种直接提取字符中心骨架的细化算法,基于字符八方向长特征和线段内切圆心连线提取字符中心轴线,同时得到笔划的类型信息。实验表明,该算法具有很好的鲁棒性,可以稳定有效的细化字符。     

一种用于字符识别的预处理方法

本文提出一种用于抽取字符骨架特征的预处理方案，以摄象机输入的字符图象先被分割出单个字符．然后用ＩＦＡ算法阈化为二值图象，经规格化处理成１６×１２的标准形式后，再用ＣＧＴ算法进行细化，最后得到字符的单象素宽的骨架．     

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．     

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     

基于改进LLT算法的女书字符图像分割方法研究

针对女书字符书写的结构特点,结合基于局部阈值的思想,建立相应的数学模型,给出了一种基于改进LLT算法的女书字符图像分割方法;并进一步分析了算法的关键参数设置。通过与传统的OTSU算法和LLT算法相比较,改进的LLT算法不仅可以有效降低背景噪声的影响,还对具有不均匀光照和相近对比度的女书字符图像分割具有较强的适应性。实验结果进一步验证了方法的有效性和鲁棒性。     

基于笔划方向特征和非对称分布的手写体汉字识别

基于笔划方向特征和非对称分布的手写体汉字识别模型,提出一种从手写体汉字骨骼图像上提取分叉点的有效改进算法,保证笔划提取的可靠性,并直接从笔划结构上计算统计识别特征矢量;采用主向量空间的非对称参数分布模型计算距离测度．实验表明,基于笔划方向特征和非对称分布的统计识别模型具有优良的识别性能．     

基于组合特征的多分类器集成的脱机手写体彝文字识别

组合特征的多分类器集成是提高脱机手写体字符识别率的一种发展趋势,选用2组具有统计特征的组合特征对脱机手写体彝文字进行识别:第1组,使用应用广泛的弹性网格特征、笔划密度特征;第2组,使用方向线素特征和投影特征;同时本文提出一种基于笔划粗切割的特征提取方法用于彝文字的结构特征的提取.最后通过多分类器集成方案输出识别结果.实验结果表明,该方法能得到比较理想的识别效果.     

有限集手写体汉字特是取及分类器设计

介绍了手写体汉字特征提取的基本概念，采用了一种叠合网络加权笔画提取方法用于提取有限集汉字特征。通过对径向基函数网络（RBF网络）的模型分析，提出了一种组合RBF网络分类器应用于有限集手写体汉字识别，并利用结合遗传算法和模拟退火算法的混合优化策略进行RBF分类器的训练。     

一种基于复合特征的脱机手写体字符识别方法

针对脱机手写体字符识别问题,分别采用主元分析PCA方法和小波变换方法对字符的整体特征和局部特征进行提取,形成向量表示,综合两部分的特征向量形成复合特征向量,利用SVM进行分类识别。该方法在汉字手写体字符集上进行实验,取得了很好的识别准确率。     

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．     

基于VB的抠字算法在个性化字库自动生成中的应用

个性化字库自动生成研究的核心是抠字,本文研究的基于VB的抠字算法可以对扫描的图像文件进行自动识别、自动按实际大小切割,将手工书写的汉字做成一个个高点阵的字模文件以图片方式自动存储。