一种基于仿生识别的脱机手写体汉字识别方法

运用仿生模式识别方法构建提取基本笔段的神经元序列覆盖手写体汉字图像,分析笔段神经元间的拓扑性质,将手写体汉字图像转化为具有容错表征方式的6种汉字笔划类型组成的几何图形.模仿人类汉字形码输入法,统计具有冗余容错形状的笔划神经元类型、数量、位置、相合和相交点数量,建立手写体汉字特征知识的数据结构表.对SCUT-IRAC手写体汉字库中手写体汉字识别进行仿真实验,结果证明本文方法具有较强的"认知"手写体汉字的能力.     

基于过程神经元的手写体汉字仿人识别研究

为有效地获取脱机手写体汉字笔划信息,采用过程神经元网络提取手写体汉字基本笔段,分析各类笔段间的拓扑性质,并将手写体汉字图像转化为具有容错表征方式的六种汉字笔划类型在不同位置组成的几何图形.模仿人类汉字形码输入法,统计具有冗余容错形状的笔划类型和相合相交点的数量和位置,建立手写体汉字多维特征知识数据结构表,通过对比和判断仿人容错地识别手写体汉字.对SCUT-IRAC手写体汉字库中汉字进行了实验仿真,该方法具有较强的"认知"手写体汉字的能力.     

改进的Gabor小波变换特征提取方法

针对自然场景中文本存在图像背景复杂、颜色多变、噪声强烈,图像存在变形、残缺、模糊、断裂等问题,提出一种基于方向预分类的Gabor小波变换特征提取方法。利用Gabor函数良好的频率选择性和方向选择性,同时考虑到笔划相对位置的偏移,方向预分类使得滤波器对笔划方向的选择更有针对性。实验结果证明,该特征提取方法对笔划变形和低分辨率字符具有较好的适应性,能有效解决低质量场景文本的识别问题。     

基于手写体汉字双弹性网格模糊特征的研究

针对目前的纵横弹性网格技术不能有效提取到汉字撇和捺笔划模糊特征的不足,结合双弹性网格技术和汉字的模糊特征提取方法,提出一种双弹性网格模糊特征提取方法.该方法首先利用双弹性网格技术对汉字图像进行网格划分,并对该图像进行横、竖、撇、捺笔划分解,得到4个方向子图像;然后采用双弹性网格技术及网格字块间的相关模糊性对子图像提取特征.通过实验证明,该方法在处理大类别手写体汉字识别时,因其稳定性高,识别效果好,从而明显优于很多其他的特征提取方法.     

利用小波变换实现汉字签字特征的抽取及压缩

针对目前汉字鉴别效率低、容易造成几何性质丢失的现状,提出了一种利用小渡分解与重构的技术对汉字签字进行特征抽取和压缩的方法.首先对整个签字的每一笔划进行通过多分辨率分析的小波分解公式进行复信号小波变换,这样可以得到每一个笔划的小波分解值,然后利用一组新的小波重构公式,对各个笔划的特征进行有机的整合,最后使用K-L变换对签字特征值进行了特征维数的压缩,从而大大提高了汉字鉴别鉴别的效果.     

基于多方向二进小波变换的遥感图像特征提取方法

在分析不同分辨率图像空间特性的基础上，提出了一种基于多方向二进小波变换的图像特征提取方法．该方法首先对图像进行小波变换，然后由二进小波变换的模的局部极大值检测信号突变点位置及奇异性大小，实现图像的边缘特征提取．通过对遥感图像样本的仿真实验表明，基于多方向二进小波变换的图像边缘特征提取方法可以取得较好的边缘特征提取效果．     

基于Gabor滤波器组的车牌汉字特征提取

提出基于Gabor滤波器组的特征提取新方法.利用汉字图像的统计信息及归一化信息,提出针对车牌汉字的有效的Gabor滤波器组参数优化方法,并设计一组Gabor滤波器用于提取车牌汉字图像中不同中心频率和方位的笔画纹理特征,实现直接对灰度图像的特征提取.实验结果表明,相比传统二值化特征提取方法,采用基于Gabor滤波器组的小波变换提取特征能够获得更良好的识别性能.     

有引导的汉字图像整形变换

在脱机手写汉字识别系统中,采用汉字图像的整形变换,可以提高手写汉字的识别率,特别是对于从网络中提取识别特征的识别方法,其识别率的提高是显著的,本文在研究现有汉字图像整形变换的基础上,提出了对汉字外缘流畅笔划的修整算法,提出了有引导的整形变换的基础上,提出了对汉字外缘流畅笔划的修整算法,提出了有引导的整形变换算法;即在整形变换之前,先对汉字图像的畸变形态及畸变程度进行预测及预处理,以便引导整形变换的     

汉字笔段形成规律及其提取方法

该文从点阵图像行(列)连通像素段出发，研究汉字图像的笔段构成，发现汉字点阵图像仅由阶梯型笔段和平行长笔段两种类型的笔段构成，并归纳出阶梯型笔段和平行长笔段的形成规律．以笔段形成规律为基础提出了汉字笔段的提取方法，该方法将像素级汉字图像转变为以笔段为单位的图像，有利于汉字识别、汉字细化及汉字字体的自动生成．最后该文给出了印刷体和手写体汉字笔段提取的实验结果．     

一种新的车牌字符快速识别方法

针对车牌字符图像的特点,在研究各种特征提取方法适用场合的基础上提出了改进的特征提取方法和字符识别方法。对于英文和数字,使用一种基于模板匹配和神经网络的车牌字符识别方法。该方法采用两级识别,第一级采用模板匹配识别差别明显的字符,第二级采用BP神经网络识别第一级不能确定的相似字符。对于汉字采用小波变换和LDA提取特征。该方法利用小波变换的特性最大程度地提取了字符图像的特征信息。实验结果表明此算法具有较高的识别率和较快的识别速度。     

A stroke-based neuro-fuzzy system for handwritten chinese character recognition

In this article, a stroke-based neuro-fuzzy system for off-line recognition of handwritten Chinese characters is proposed. The system consists of three main components: stroke extraction, feature extraction, and recognition. Stroke extraction applies a run-length-based method to extract strokes from the image of a given character. Various fuzzy features of the extracted strokes, including slope, length, location, and cross relation, are obtained by the feature extraction module. An ART-based neural network, using a two-stage training algorithm, is used to recognize characters. This system extracts strokes in only two passes, and is free from the presence of spurious and thick strokes. The neural model used provides a fast convergence rate. Nodes are allowed to be shared to reduce the size of the resulting network. Features need not be classified in advance by the user. Furthermore, the architecture of the network is self-constructed without the intervention of the user. Experiments have shown that this system is effective.     

An efficient knowledge-based stroke extraction method for multi-font chinese characters

Feature extraction is the most important thing in pattern recognition. Whether it is good or not affects the recognition rate seriously. Selecting the strokes as the features to describe a Chinese character is indeed a powerful approach. But it also suffers from the difficulty of stroke extraction. In this paper, some knowledge about strokes is derived by studying the structure of Chinese characters. This knowledge is then applied to help extract the strokes. The method cannot only heuristically extract strokes but can also heuristically eliminate noises including those added to strokes for artistic sake. Moreover, this method does not use any preprocessing like thinning or other transformations, so its extraction speed is very fast.     

车辆牌照上英文和数字字符的结构特征分析及提取

为了研制高性能的车辆牌照自动识别系统，在详细分析车辆牌照上英文和数字字符结构特点的基础上，选择字符图象中的闭合曲线作为其整体特征，将笔画端点，三叉点和四叉点作为其细节特征，同时将笔画中的拐角点作为其辅助结构特征，三者可分别用于字符的粗分类，细分类和相似字符区分，进而提基于图论和细节点特征的闭合曲线检测算法以及基于二值图象外边缘轮廓线的笔画拐角点检测算法，将上述结构特征用于车辆牌照上英文和数字字符识别，测得识别率达96％，用PⅢ550计算机完成结构特征抽取和字符识别所用时间约20ms／字符，表明这些结构特征适用于车辆牌照上英文和数字字符的快速识别。     

基于Gabor-SVM的文字识别方法

文字识别的难点和关键在于特征提取,文章把文字版面看作是含有特殊纹理信息的图像,利用Gabor变换,通过纹理分析提取出文字的全局特征。文字特征提取后,对其使用SVM进行训练学习。实验结果表明本方法能够较有效地提取出字符特征,并能有效地对字符进行分类。     

基于小波的车牌汉字特征提取

车牌识别系统是智能交通不可或缺的一部分.在车牌识别系统中,车牌首位汉字的特征提取和识别是一个难点.为此,将小波的多分辨率特性应用于车牌汉字特征的提取,提出了一种直接从灰度图象提取车牌汉字特征的提取方法.该方法首先提取图象的小波矩和基于小波分解的区域密度特征,然后以识别率好坏为最优依据,进行特征分量排序和选择,最后把特征矢量送入BP神经网络进行字符识别.该方法避免了一些传统汉字特征提取方法需要对图象进行二值化操作而造成的汉字字符结构信息丢失.提取的特征有效地反映了车牌汉字的局部和全局特征.实验结果表明该特征提取方法可以得到比较好的识别效果.     

支票手写体汉字大写金额识别的非线性规范化

针对银行支票图像大写金额的无限制手写体汉字识别问题,进行了基于密度均衡原则的非线性规范化研究。提出了一种改进的非线性规范化方法．该方法定义的基于笔画间距和宽度的密度函数,不仅能较好地克服笔画变形的局部性、不规则性,而且能使同一字符内以及不同字符之间的笔画粗细趋于一致;同时,确定了图像中字符的有效区域,并据此改进了基于密度均衡原则的通用表达式,有效地解决了字符整体倾斜和单个笔画比较突出的问题,实验结果表明：该方法比其他同类方法效果更佳,可使银行支票图像的大写金额识别系统的识别正确率提高约1．5％。     

完全基于结构知识的汉字笔画抽取方法

从汉字结构知识出发,提出了一种从汉字图像直接抽取笔画的算法,给出了抽取横、竖、撇、捺４种笔画的完全量化的昨去除不同字体的笔画修饰噪声的规则,该方法较好地解决了各笔画的相交、相连及噪声排队等总理２,综在汉字识别及字体自动生成等汉字信息处理方面有重要作用。     

一种手写体汉字特征提取新方法—小波变换及弹性网络技术的应用

利用小波分析方法将汉字图象分解为横、撇、竖、捺４个方向的分量，然后结合弹性网络技术，提出了进行了手写体汉字特征提取的一种新方法，实验结果显示此方法是行之有效的。