基于手机拍照的手写算式识别研究

针对移动环境下手写算式识别准确率不高、效果不理想的问题,提出了基于手机拍照的手写算式识别的解决方案。首先,对上传的图片进行二值化和自适应平滑降噪,利用边缘检测和轮廓提取技术识别字符和倾斜矫正;然后,利用几何特征,采用公式定位、字符分割、字符排布树、结构解析等识别出手写算式,并通过数据集训练,提升手写算式的识别准确率;最后,设计并实现了基于三层体系架构的手写算式识别系统。实验结果表明,所设计的系统具有较高的识别准确率和较好的识别效果,具有一定的应用价值。

基于多重几何特征和CNN的脱机手写算式识别

针对中小学数学课堂中具有复杂二维空间结构的手写算式,提出了一种基于多重几何特征和卷积神经网络(CNN)的脱机手写算式识别的解决方案.首先,基于CNN分类算法,对图像预处理后的单个手写字符进行识别;然后,利用几何特征,如宽高比、质心坐标、质心偏移角度、中心偏移量、水平重叠区间比等,识别具有复杂空间结构的小数、分数、指数、根式等常见手写算式,并采用分治算法完成由以上算式组合嵌套的复合算式识别;最后,设计并实现脱机手写算式识别系统.实验结果表明:在满足一定光照条件下,该方案对不同分辨率、含噪声图像的手写算式识别率可达90.43%,具有一定的应用价值.

基于微信小程序的可手写算式计算器设计

计算器是人们学习和工作中常用的工具。普通计算器以按键形式输入数字、公式、符号,这给复杂计算带来了不便。随着机器学习技术的进步,识别手写文本技术愈发成熟。为了简化计算器使用流程,文章提出了一种手写算式识别方法,具有轻量级、高精度等特点,拥有良好的应用前景。应用该方法的计算器以微信小程序的形式呈现,可为用户使用提供便利。