一种基于多维表示的汉字识别方案

针对复杂场景下汉字特征提取难的问题,提出了一种基于多维特征表示的汉字识别方案。首先,提出一种融合空间信息的关键笔形特征提取方法,能够利用少量关键特征实现汉字的唯一识别;其次,通过多任务网络提取多维特征,增强特征提取能力,从而提高汉字识别的准确性;最后,应用字符相似度算法消除噪声,优化识别结果。实验结果表明,相较于可插拔的部首感知分支(PRAB)模型,本方案在场景数据集、网页数据集、文本数据集和手写数据集中的性能分别提升了1.62百分点、1.09百分点、0.15百分点和1.27百分点,证明了该方案的有效性。

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.

基于骨架点分布规律的汉字笔段提取算法

提出了一种提取汉字笔段的新方法。从形态学骨架算法生成的骨架点出发,通过分析骨架点的半径分布及不同半径骨架点的位置,发现了笔段提取中产生的毛刺和畸变与骨架点半径之间的规律,进而以此规律为基础提出了一种克服毛刺和畸变的汉字笔段提取方法,最后给出了手写体和印刷体汉字笔段提取的实验结果。实验表明,该方法是行之有效的。

一种新的基于细化的汉字笔画抽取方法及其在汉字识别中的应用

文章提出了一种新的基于细化的汉字笔画抽取方法,并把笔画统计特征用于汉字的识别。实验结果表明,该方法可有效地抽取出汉字的笔画并可成功地用于汉字的识别。

基于细化的手写汉字的笔段提取方法

采用一种改进的一次通过的并行细化算法对一般细化算法的不足进行了改进，细化后的文字骨架较好地反映了汉字的结构，适合于手写汉字的笔段提取，在细化的基础上，又提出了一种笔段提取的方法，该方法以细化骨架上的特征点为依据，通过对细化骨架的象素点跟踪获得初步的结果，再进行笔段合并处理．

基于过程神经元网络的汉字笔段提取算法研究

提出一种利用过程神经元网络,对脱机手写体汉字二维图像的笔段提取方法。定义了脱机手写体汉字笔段的提取方法,给出了用于脱机手写体汉字笔段提取的过程神经网络的模型和学习算法,并对算法进行了仿真实验。该方法与其他汉字笔段提取方法相比,具有速度快、可学习、鲁棒性好的特点。经实验证明,该方法是行之有效的。

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%。

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。

一种新的快速图像细化算法研究与实现

关于细化的算法有多种,针对模板匹配的rosen算法的不足之处,该文又提出一种新的快速细化算法,并进行了计算机仿真,结果显示改进的算法无论在细化质量上更为实用,消除了毛刺和笔划断裂现象,可用于进一步的文字及图像识别软件的开发。

手写印刷体汉字识别的细化算法研究

细化是汉字识别预处理中最重要的技术之一。它可在保持原汉字大部分信息的基础之上，极大地压缩汉字的存储量，有利于后续的特征抽取与识别。在比较了几种不同细化方法的优劣之后，提出了一种改进的细化算法（以下简称Ｉ－ＦＡ算法），并进行了计算机仿真。实验结果表明，Ｉ－ＦＡ无论在速度或细化质量上都较文中的另几种算法有较明显的提高。可用于进一步的文字识别软件的研制中。