基于方向线素特征的孟加拉手写数字识别

根据孟加拉数字的特点,将方向线素特征应用于孟加拉手写数字识别的特征提取,并辅以端点和交叉点特征,采用BP神经网络作分类器进行识别。利用从实际孟加拉信封图像中采集到的手写体数字作为样本进行实验,结果表明,该方法的识别率和可靠性分别达到97.63%和98.77%。

基于模糊方向线素特征的手写体汉字识别

方向线素特征在手写体汉字识别中得到了广泛的应用，文中对该特征进行了形式化描述，分析了其存在的不足，在普通方向线素特征的基础上，引入模糊数学思想，提出了汉字的模糊方向线素特征，给出了形式化描述，应用该特征实现了一个非特定人手写体汉字识别系统，经对含有３７５５０个汉字（１０套国标一级汉字）的未学习样张的测试，识别率由８５．５％提高到８９．７％，十选正确率达到９８．４％，在同等测试条件下。

多字体印刷藏文字符识别

藏文字符识别系统是中文多文种信息处理系统的重要组成部分 ,但至今国内外的研究基本处于空白。本文提出了一种基于统计模式识别的多字体印刷藏文字符识别方法 :从字符轮廓中抽取方向线素特征 ,利用线性鉴别分析 (LDA)压缩降维后得到紧凑的字符特征向量。采用基于置信度分析的两级分类策略 ,设计了带偏差欧氏距离分类器 (EDD)完成高效的粗分类 ,细分类采用修正二次鉴别函数 (MQDF)。通过实验选取恰当的分类器参数后 ,在容量为 177,6 0 0字符 (30 0样本 /字符类 )的测试集上的识别率达到 99.79% 。

一种多字体印刷藏文字符识别方法

提出了一种完整的多字体印刷藏文字符识别方法:先提取输入字符的方向线素特征组成特征向量,然后采用两级分类策略判定字符类别。该方法在训练集和测试集上的识别率分别达到99.73%和99.44%,证明了其有效性。

基于分位数的手写汉字识别方法

以往的手写汉字识别方法,无论应用何种特征提取方法,在生成标准模板时,一般都采用样本特征的算术平均值。文章提出了一种使用样本特征的分位数组合生成标准模板的方法,通过其在手写汉字识别中的应用表明,该方法比基于均值的标准模板有更好的鲁棒性,且在不增加任何计算量和算法复杂度的前提下,使系统的识别性能有所提高;同时该算法还有很好的推广性能,可以应用到各种特征提取算法中。

雷达数字信息识别系统的理论研究

对雷达数字信息进行识别,识别率高达98.7%.对于摄取的图像通过选取阈值进行二值化,在第一次分割中从背景中提取数字图像信息,第二次分割采用统计投影直方图方法,把单个数字字符图像分割开,将图像大小规范化,提取轮廓,采用方向线素特征提取,通过欧式距离分类器方法进行识别.引入信度函数,对识别结果进行分析,提高了字符识别率.

多字体多字号印刷维吾尔文字符识别

维吾尔文字符识别研究具有很高的理论价值和广阔的应用前景。该文提出一种多字体多字号印刷维吾尔文字符识别新方法:利用预分类信息将整个字符集划分为若干子集;采取两套方案,分别将输入字符归一化为32×32和24×24的点阵;提取方向线素特征,经压缩降维后,由修正二次鉴别函数完成分类,在综合可信度基础上集成识别结果;最后,利用结构的和局部的特征进行相似字鉴别。在容量为48800字符的测试集上的识别率达到99.48%,表明该方法的有效性。