质心层次特征的无约束手写体数字识别

光学字符识别（ＯＣＲ）是模式识别最为成功的应用之一．目前，ＯＣＲ的研究重点是无约束手写体字符识别．采用了基于字符质心的层次特征对无约束手写体数字进行分类识别．基于字符质心的不均匀分块方法，在一定程度上可以克服无约束手写体数字字形千变万化所引起的不稳定性．层次特征将字符在空间的二维分布转化为一维，特征抽取过程简单，易于实现．将该算法应用于无约束手写体数字的信函分拣系统，单字的平均识别率达９７％以上．

手写体数字识别

字符识别（OCR）是模式识别最为成功的应用之一，自五十年代开始，OCR一直是一个相当活跃的领域，手写体字符识别是OCR的分支，国际上有相当多的学者研究它，该课题包含了模式识别领域中一些最基本的问题，因而CR的研究具有重要的理论意义，同时市场的需求也促进了OCR技术的发展。

无约束手写数字的递推最小二乘BP神经网络识别算法

本文提出了一种基于无约束手写数字的轮廓层次特征的神经网络识别算法。采用递推最小二乘BP(RLS—BP)训练算法能够有效地提高网络收敛速度,无需选取学习步长和动量因子,减少了权值矩阵及参数初值的影响。通过在网络结构中引入子类别输出节点,进一步降低网络的训练难度,增强了分类器的分类能力。将其应用于无约束手写数字的信函分拣系统,单字识别率达到98%以上,得到了令人满意的结果。

二维熵图像阈值分割的快速递推算法

阈值分割是图像分割技术的一种重要方法,在图像处理与识别中广为应用.本文提出了一种二维熵图像阈值分割的快速递推算法.实验结果表明,该二维最大熵递推算法可以有效地提高熵函数的计算速度.