基于模糊子笔画统计特征的手写体汉字识别

汉字由笔画或子笔画组成,笔画或子笔画特征在手写体汉字识别中得到了广泛应用。论文提出一种模糊子笔画抽取方法,解决了因无限制手写体笔画随意性而使得抽取的子笔画不稳定的问题。计算字符边缘点“横”、“竖”、“撇”、“捺”的模糊子笔画属性特征,并将其与模糊网格相结合,生成模糊子笔画统计特征。银行支票手写体汉字大写金额识别的实验结果表明应用模糊子笔画统计特征能取得更好的识别效果。

基于组合特征的多分类器集成的脱机手写体彝文字识别

组合特征的多分类器集成是提高脱机手写体字符识别率的一种发展趋势,选用2组具有统计特征的组合特征对脱机手写体彝文字进行识别:第1组,使用应用广泛的弹性网格特征、笔划密度特征;第2组,使用方向线素特征和投影特征;同时本文提出一种基于笔划粗切割的特征提取方法用于彝文字的结构特征的提取.最后通过多分类器集成方案输出识别结果.实验结果表明,该方法能得到比较理想的识别效果.

基于弹性笔画长度的汉字笔画平面抽取及识别

针对手写体汉字识别过程中的特征抽取,提出了一种改进的抽取笔画平面的方法。首先,将手写汉字图像进行非线性规一化;然后,利用弹性笔画长度,根据汉字的横竖撇捺四种笔画分别抽取出四种笔画的平面;最后,将四个笔画平面分别均匀划分成S×S个小网格,在每个小格内计算其笔画交叉数目,便得到了一个4S2维的特征向量。实验利用基于最小距离的分类器对含有7600(19类)个汉字的测试集进行了分类,取得了较好的识别效果。

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%。

基于动态规划的联机手写汉字分割方法

为解决手写汉字文本的自动切分问题,提出了一种基于动态规划的联机手写汉字分割方法.该方法根据手写笔画的结构特征、笔顺信息以及神经网络分类器给出的类概率构造代价函数,并将其分别应用于手写句子的预分割和基于识别的分割过程,然后利用动态规划算法寻找最佳分割路径.预分割在保持较低误分割率的前提下,可以有效地降低候选分割块的数量,以加速分割过程.实验结果表明,预分割的误分割率为0.57%,过分割率仅为11.1%;在未应用语言模型的情况下,最终的正确分割率为88.2%.

有限集手写汉字识别中的笔画分区矩描述特征

提出了一种笔画分区矩特征的提取方法。根据汉字笔画分布特点，利用小波变换将汉字分解为4个方向笔画分量，用分区矩分别描述4个笔画子图像，并采用K-L变换对特征进行降维处理。采用该特征对有限集手写体汉字进行识别，初步实验结果表明该方法十分有效。

一种联机手写笔画滤波算法的设计与实现

引入方向代码的概念,将联机手写笔画的运动轨迹转换成由方向代码组成的序列。通过分析代码序列中的噪声因素,归纳了噪声的种类,进而设计并实现了一种基于方向代码序列的滤波算法,为联机手写汉字的识别奠定了基础。结合实验完成了滤波、归并和匹配各个过程的设计,从而完成了单笔画及连笔部件的识别。

在线手写签名组合最相似笔段的识别算法

在线手写签名识别是通过人的生物特征进行身份验证的技术.提出一种基于笔画样本库的识别方法,避免了动态特征点提取、时序段匹配等方法由于书写环境和人物即时的生理特性所带来的问题,同时针对每一笔画的稳定性提出了加权距离计算公式.实验证明该方法行之有效,在保证高识别率的同时又降低了误拒率.

女书联机手写识别系统的设计与实现

文章从女书文字的特点出发,设计并实现了一个基于笔划特征的女书联机手写识别系统。系统首先识别构成女书文字的基本笔划,然后通过得到的笔划特征编码识别女书文字。实验结果表明,该系统可以达到较高的识别正确率。

笔顺自由和笔划数可变的联机手写汉字识别方法研究

提出了一种新的联机手写汉字识别方法．采用笔划的模糊属性特征描述手写输入汉字．改进了笔划动态匹配技术，形成了笔顺自由和笔划数可变的识别方法．对ＧＢ２３１２－８０汉字库进行了实验。

无约束手写体数字识别的预处理算法

针对统计分类器提出一种适合于无约束手写体数字识别的预处理算法.根据无约束手写体数字的特征,预处理过程包括字符点阵的非线性规范化处理和笔划粗细调整两部分.非线性规范化过程通过选择适合于手写数字的特征投影函数,然后据此进行特征密度均衡化加以实现.而笔划粗细调整算法主要通过建立合适的数学模型,然后加以简化和推导得到.仿真实验选择广泛采用的自组织特征映射(SOM)网络分类器.结果表明,新的预处理方法适合统计分类器的要求,大大提高了识别的精度.

联机手写维吾尔文字母识别方法

通过分析维吾尔文字母自身的结构和书写特点,提出一种联机手写维吾尔文字母识别方案,并选择在手写汉字识别技术中所提出来的归一化、特征提取及常用的分类方法,从中找出最佳的技术选择.在实验对比中,采用8种不同的归一化预处理方法,基于坐标归一化的特征提取(NCFE)方法,以及改进的二次分类函数(MQDF)、判别学习型二次判别函数(DLQDF)、学习矢量量化(LVQ)、支持向量机(SVM)4种分类器.同时,再考虑字符在文档中的空间几何特征,进一步提高识别性能.在128个维吾尔文字母类别、38400个测试样本的实验中,正确识别率最高达89.08%,为进一步研究面向维吾尔文字母特性的识别技术奠定重要基础.