脱机手写体汉字识别综述

脱机手写体汉字识别是模式识别领域最具挑战性的课题之一.本文分析了近年来脱机手写体汉字识别的最新进展,讨论了脱机手写体汉字分割、特征提取和分类器设计等关键技术的各种主流方法,介绍了3种典型的汉字识别数据库,并提出了脱机手写体汉字识别的难点问题和今后发展的趋势,为该领域的研究者指明研究方向,共同促进脱机手写体汉字识别技术的发展.

一种脱机手写体汉字识别的容错编码方法研究

手写体汉字识别是字符识别领域中的难点。为了使机器识别汉字适应于手写体汉字的变形等因素,基于人类认识汉字的容错机理,提出了一种用于机器识字的汉字容错编码方法,以提高手写体汉字识别率。该编码方法首先对横竖撇捺笔划形态给出了模糊化表示;然后定义了仿人拆字的字元集,并给出了易混淆笔划字元的多归类容错编码;接着给出了笔划字元的顺序判断规则和归结了36类简单常用字的部首子结构,并给出冗余的容错编码;进而建立了仿人构字的汉字编码规则和具有容错性的多模板字典,并对《新华字典》中收录的10000余个单字汉字进行了标准编码,重码率为0.48%;最后对HCCORG和NKIM手写体汉字库中的100个手写体汉字进行了仿真识别,识别正确率为96%。试验结果表明,这种编码方法可生成多模板字典,不仅对手写体汉字变形具有较好的容错性,且重码率和误识率较低。

基于融合特征和LS-SVM的脱机手写体汉字识别

提出的脱机手写体汉字识别系统主要研究特征提取和分类识别两个模块.特征提取模块主要包括采用基于不变矩和弹性网格技术的串行特征融合方法,所得到的特征向量不仅充分反映了手写体汉字的全局和局部特征,而且具有很强的区分表达能力.分类识别模块将神经网络多类分类策略与最小二乘支持向量机相结合,所得到的分类器不仅识别率高、泛化能力强,而且有效地解决了多类分类问题.实验证明本文提出的识别系统能够取得很好的识别效果.

脱机手写体汉字识别后处理综合纠错算法设计和实现

充分利用了汉语词的信息及字词的频度信息,利用面向对象技术并用多级的纠错方法,实现了一个基于综合算法的汉字识别后处理系统,明显地提高了脱机手写体汉字最终识别率。

基于数学形态学的脱机手写体汉字识别方法

笔画特征是一种有效的脱机手写体汉字的识别特征,但是笔画细化往往会造成字体的变形,提出一种无需细化预处理的笔画特征提取方法,通过数学形态学中的腐蚀、膨胀等运算,采用不同的、具有自适应性的结构元素对汉字图像进行笔画分解,并利用弹性网格提取其方向特征,最后使用广义K-L变换对特征向量的维数进行压缩,去除冗余信息。实验结果验证了本方法的有效性。

脱机手写体汉字识别技术研究的几点思考

针对脱机手写体汉字识别的研究现状,在思考分析基础上,探讨了进一步研究的路线。

脱机手写体汉字识别中SVM参数优选问题

研究了基于支持向量机的脱机手写体汉字识别中核参数和误差惩罚因子的选择问题。将遗传算法跟支持向量机相结合,提出了一种自动优选支持向量机模型参数的方法,减少了以往应用支持向量机需反复试验以确定其参数的人工工作量。采用高斯核函数的支持向量机分类器进行实验,识别率达到97.83%,验证了该方法的有效性。

BP神经网络算法的改进及其在手写体汉字识别中的应用

分析BP算法的基本原理,指出BP算法具有收敛速度慢、易陷入局部极小点等缺陷以及这些缺陷产生的根源.针对这些缺陷,通过在标准BP算法中引入变步长法、加动量项法等几种方法来优化BP算法.应用实例利用MATLAB软件对标准BP算法及其改进的算法进行语言编程、仿真.实验结果表明,这些方法有效地提高了BP算法的收敛性,避免陷入局部最小点.同时,将改进的BP神经网络算法应用于脱机手写体汉字识别系统的实现,实验表明系统较好地回避了汉字结构复杂、变形难以预测等问题,提高了识别率.

多民族脱机手写体汉字数据库的设计与构建

设计并构建了一种记录书写者民族信息的手写体汉字数据库———大连民族学院DNU-Ⅰ型多民族脱机手写体汉字数据库。包括单字库、行文本库和段文本库3个子库。为少数民族汉字书写特征分析、中文文档的行切分、汉字的切分识别、中文文本的无切分识别、笔迹鉴别和签名验证等方面的研究奠定基础,并提供算法的验证平台。同时介绍了字符识别数据库的一般构建流程和数据库图像二值化、归一化、行分割等预处理算法,为少数民族文字数据库的构建提供了技术支撑。

脱机手写汉字识别中笔段提取算法研究

基于目前细化和特征点提取的实现方法,提出了改进的分组细化方法和远端拐点法。改进的分组细化法能够在细化过程中,根据分组数标记字符图像中分叉点的类型,为后续的拐点提取做准备。给出了一种快速提取汉字拐点的方法远端拐点法。实验结果表明,该方法能够较好地提取笔段,特征点提取的正确率达到98.6%。

希尔伯特—黄变换手写体汉字识别方法

针对脱机手写体汉字的非平稳特性,提出了一种基于希尔伯特—黄变换的手写体汉字识别方法。该方法根据汉字图像的特点将一维HHT扩展为二维HHT,用以获得汉字的瞬时频率特征,并将局部的瞬时频率特征和全局的Zernike矩特征组合作为最终的识别特征。实验结果表明,该方法是有效的。

基于形态学变换的有限集手写体汉字识别

以21个金融汉字为研究对象,提出了一种基于数学形态学和弹性网格技术的特征融合方法.在汉字图像上构造弹性网格,利用形态学变换将汉字分解为4个方向笔画分量,分别提取方向特征和笔画穿透数目特征,然后将这两组特征向量的维数和度量统一后组合成复向量的形式,并采用K-L变换降维,去除冗余信息.该方法无需细化,受笔画不规则变形影响较小.实验证明,是一种有效的特征提取方法.

脱机手写汉字识别研究

脱机手写体汉字识别是当前OCR技术研究的热点之一。本文提出了一种用于手写体汉字识别的多特征多分类器集成的系统模型，并利用Matlab工具箱对50个汉字5000个样本进行了初步仿真实验，实验表明该模型是十分可行和有效的。

脱机手写体汉字字符的笔顺信息恢复

给出了一种从脱机手写体汉字字符中识别笔顺的法则———统一笔顺法则 ,将脱机识别问题转变为联机识别问题 ,利用人们熟悉的图论知识加以解决 ,大大提高了识别率和识别速度 ,也简化了识别过程 .

一种基于集成BP网络的手写汉字识别方法

针对脱机手写体汉字识别,文章给出了一种基于多层BP网络的并行集成方法,该方法是纯神经网络的多分类器并行集成方案。汉字经预处理后,采用弹性网格变换和Zernike矩分别对汉字进行局部和全局特征提取,利用两个BP网络分类器对这两种特征进行训练和初分类,再利用集成网络对前两个子网络的识别结果进行识别。同时对BP网络的应用做了有益的探索,也为BP网络在大类别分类问题中的应用提供了一条可行的途径。实验结果验证了此方法的有效性。

基于神经网络的手写汉字识别集成分类器设计

手写汉字识别是大类别分类识别问题,文章针对金融票据自动识别应用中的脱机手写体汉字,给出了一种基于多层BP网络的并行集成方法。该方法是纯神经网络的多分类器并行集成方案,通过一个两步监督学习过程实现整个集成网络分类系统。对BP网络的应用做了有益的探索,同时也为BP网络在大类别分类问题中的应用提供了一条可行的途径。

并行特征融合在金融手写汉字识别中的应用

针对金融票据自动识别应用中的脱机手写体汉字识别进行特征提取的研究,首先提出了用Gabor特征和Zernike矩特征来分别表征汉字的局部特征和全局特征。针对传统的串行特征融合方法的缺陷,提出了一种并行特征融合方法,将Gabor特征和Zernike矩特征组合成新的特征向量,然后使用广义K-L变换对新特征向量的维数进行压缩,去除冗余信息。实验结果验证了该方法的有效性。

字符识别高手清华文通TH-OCR MF7.0

目前,国内已有不少OCR(光学字符识别)软件产品,清华文通的TH-OCR系列产品是比较优秀的一种,新近推出的清华文通TH-OCR MF7.0集中了该系列产品的许多优势,文字识别水平又有很大提高。 清华文通TH-OCR MF7.0具有以下特点:汉英双语混排同时识别,识别率在98.6％以上;表格资料可自动录入;首创非特定人脱机手写体汉字识别功能,规范手写体识别率可达88～95％;首创日文、日英混排识别功能。

用于手写汉字识别的级联MQDF分类器

针对非限制脱机手写体汉字识别率不高的问题,该文提出了一种级联MQDF(改进的二次分类函数)分类器,以提高识别正确率。它是一种基于串行结构的分类器集成算法,并在度量层次对各级分类器结果进行融合。广义置信度被用作评价识别结果好坏的度量。该算法分级构建多个Gauss模型,实现对样本分布精细的描述,达到提高识别率的目的。该文利用最大似然框架论述了该集成算法的工作原理。用该算法在HCL2000及THOCR-HCD手写体汉字数据库上进行试验,识别错误率分别下降了10.75%、9.82%和25.31%,证明了算法的有效性。

BP神经网络的改进算法及其应用

BP（Back-propagation neural network）神经网络是目前应用最为广泛和成功的多层前馈神经网络之一，分析了BP算法的基本原理，指出了BP算法具有收敛速度慢、易陷入局部极小点等缺陷以及这些缺陷产生的根源，并针对这些缺陷，通过在标准BP算法中引入变步长法、加动量项法等几种方法来优化BP算法。仿真实验结果表明，这些方法有效地提高了BP算法的收敛速度，避免陷入局部最小点。同时．将改进得BP神经网络算法应用于脱机手写体汉字识别系统的实现。使系统较好地回避了汉字结构复杂、变形难以预测等问题，提高了识剐率。