使用几何特征与隐Markov模型的手绘笔画图元分解

图元分解是笔交互的关键环节.提出一种将几何特征和隐马尔可夫模型HMM(hidden Markov model)结合的笔画图元分解方法.该方法采用4种关键几何特征来描述笔画的局部几何信息,并通过HMM结构对绘制上下文的建模来描述笔画的全局几何特性,进而利用全局搜索与最佳匹配实现在尽可能不丢失笔画几何信息的前提下对数据进行最大限度的压缩,可在保证系统计算效率的前提下同时完成分割点的查找与图元类型的判定.实验结果表明了该方法的有效性.

多笔画联机手写字符识别的动态时间规正算法(英文)

在单笔画符号(或字符)联机手写识别中,动态时间规正(DTW)算法遵循时间次序约束和边界约束,并具有较高的识别率.为了将此算法应用于多笔画符号识别,常用而简单的方法是按照人们的手写顺序连接多笔画符号为单笔画符号.但此方法存在一个问题:人们常使用不同的笔画顺序和笔画方向书写同一个符号,用朴素(Brute Force)方法寻找所有笔画可能性非常耗时.为了降低计算复杂度,文中提出了DTW A*算法.在部分笔画匹配时,此算法保留着次序约束,并用A*算法降低计算复杂度.文中还通过流程图数据库多笔画符号识别实验对比了DTW A*算法、DTW算法、改良Hausdorff距离3种算法的性能,结果表明DTW A*算法具有最高的识别率和最好的稳定性.