联机手写汉字识别的原理,方法与实践

目前,联机手写汉字识别系统在笔输入计算机方面已得到较成功的应用,相对传统的汉字编码输入法,笔输入法简单直观、勿须学习,因而迅速为人们所接受,联机手写汉字识别技术也随之成为人们关注的焦点。 一、汉字识别概述 和联机识别的特点 汉字识别是模式识别的一个分支,其任务是研究如何使计算机“识字”。汉字识别系统通常采用光电转换装置(数字化仪、光笔、鼠标器等)把汉字或字符     

北京中自汉王科技公司简介

公司成立于1993年2月，北京中自汉王科技公司及原北京中自智能系统公司，其前身是中国科学院自动化所文字识别实验室。从1984年起就从事联机手写体汉字识别研究，并于1986年成功地开发了一个实用的联机手写体汉字识别系统，1988年获得国家发明专利。并获得1992年度中国科学院自然科学一等奖。1995年5月又完成了日文、韩文手写作识别软件。并获得一系列奖。1．1988年：“联机手写汉字输入设备”获北京市优秀软件一等奖。2．1990年：“联机手写汉字输入系统”获全军科技成果二等奖。3．1991年：“脱机手写汉字识别系统”获863全国汉字识别评比…     

脱机手写汉字机器识别方法研究

脱机手写汉字机器识别方法的研究是人机接口自然化和智能化进程中的一个重要课题。目前,对于印刷体汉字的识别已取得了满意效果,出现了“读”书的机器,但对于脱机手写汉字的识别,还需要进一步探索和研究。本文就将探讨针对这一难题的各种研究方法。◆ 结构模式识别方法结构模式识别是早期脱机手写汉字识别研究的主要方法。集中在如何准确地抽取基元、轮廓、特征点等能够反映汉字结构信息的特征上。通常,抽取笔画需要进行细化处理,但是细化算法不仅速度慢,且易产生伪笔画段,单纯采用结构模式识别方法已不能满足脱机手写汉字识别系统…     

联机手写汉字识别技术的研究与实践

借助于模式识别的模糊数学的某些概念和思想，提出了一种获取手写汉字笔划特征的识别技术，对如何使识别系统具有自学习功能作了有益的探讨。     

形象（直感）思维与人机结合的模式识别

本文首先从启发性的论据等几个方面加以引伸，对形象（直感）思维进行探讨，并从传统的中医诊断来说明形象（直感）思维与人识别模式的思维方式，然后以人的模式识别为借鉴，讨论机器的模式识别，以综合集成为着眼点，扼要地介绍了作者所提出的“基于人工神经网络的语义句法模式识别方法”、以手写汉字识别中的子结构检测为例，阐述了有教师的学习及人机结构的模式识别的重要意义。     

用Visual C++构造用于手写汉字识别的模拟系统

手写汉字识别是模式识别领域极具应用前景的研究课题之一。本文介绍了用Visual C^ 6.0构造用于研究手写汉字识别的模拟系统，用软件方式实现手写输入。该系统使用方便，使用者可以将精力集中在手写汉字特征提取、识别速度和识别率等方面。     

清华大学电子工程系推出THOCR—97综合集成汉字识别系统

清华大学电子工程系,经过两年多的时间,研制成功了综合集成汉字识别系统,并于1997年3月22日通过国家教委的鉴定。 THOCR—97综合集成汉字识别系统(即多文种OCR以及联机和脱机手写汉字、数字识别的综合集成)是在过去十余年印刷汉字识别研究的基础上,除了在多文种、版面恢复、鲁棒性提高等印刷文本识别系统性能上有重大性突破外,还将联机手写汉字识别、脱机手写汉字文本识别、手写数字识别和手写数字统计报表     

汉王联机手写汉字识别第六版开发成功

中科院自动化所文字识别实验室在863高科技计划的支持下，成功地开发出“汉王联机手写汉字识别系统”第六版，并于1995年12月28日通过中国科学院组织的专家鉴定。该系统在技术上突破了以往笔顺不眼识别与连笔不能同时兼容的问题，开发了当今世界上第一个笔顺不限与连笔识别同时兼备的系统，成为目前对用户书写限制最少的手写系统。以863智能计算机主题专家组组长汪成为教授为鉴定主任的专家们，确认了该成果的国际领先水平，并对该技术在面对国际性大公司的竞争中保持领先水平寄予了厚望。汉王联机手写汉字识别第六版开发成功     

汉王"证照王"助力电信业务管理

北京汉王科技有限公司成立于1993年，其前身是中国科学院自动化所模式识别工程中心，在国家“八五”、“九五”计划、国家863计划项目的支持下，始终致力于多元智能交互领域的研究开发，目前在手写汉字识别、OCR表格处理、生物特征识别、智能信息电话等多项技术上均处于国际领先水平．并且拥有多项自主知识产权。     

用抽取笔划法识别限制性手写汉字的探讨

本文提出了用抽取与合成笔划识别限制性手写汉字的方法。对约150个手写汉字进行了模拟识别试验,证明该方法从原理上对手写规整汉字笔划的检出有良好结果。经过进一步改进,完成识别的后级处理等部分,有希望构成一个限制性常用手写汉字和多种印刷体汉字的原理性识别系统。     

一个实用的手写成绩单识别系统

介绍了一个实用的手写成绩单识别系统，它既可以识别手写的数字成绩单，也可以识别手写的汉字成绩单。对脱机手写汉字的识别，提出了一种基于隐马尔可夫模型的识别方法。     

汉字识别技术的最新进展——清华文通THOCR-97综合集成汉字识别系统研制成功

清华大学电子工程系在八六三计划和国家自然科学基金委员的长期支持下,在过去印刷汉识别研究成果的基础上,研制成功了清华文通THOCR-97综合集成汉字识别系统,今年三月二十二日由国家教委主持,由陈力为院士、戴汝为院士、杨芙清院士和王越院士等知名专家组成的鉴定委员会通过了国家鉴定。鉴定委员会一致认为:“THOCR-97综合集成汉字识别系统是国内外首次推出的能同时识别多文种(汉、日、英)印刷文本。联机手写汉字、脱机手写汉字文本和手写数字的集成文字识别系统,为汉字自然和快速地输入计算机给出了一个解决的方案,是一个有意义的创举。上述多文种OCR以及联机和脱机手写汉字、数字识别的集成系统,作为一个整个居于国际领先水平。综合集成汉字识别系统的研制成功是汉字识别研究发展的新阶段     

基于模版匹配的联机手写数字识别系统设计

模式识别就是通过计算机用数学技术方法来研究模式的自动处理和识别。随着计算机技术的发展,人们对模式识别技术提出了更高的要求。本文主要介绍了模式识别的基本原理和联机手写数字识别系统的设计实现过程。分析了图像分类过程．分类判别函数的应用以及模式识别的过程;本文设计的联机手写数字识别系统是在VC＋＋环境下开发的,在数字手写区域手写一个0～9之间的数字,系统应用识别功能就可以得到对应的类别名称。     

综合集成的构思在模式识别中的应用

将从定性到定量的综合集成法(metasynthesis)的构思用于模式识别,即用基于监督 学习的网络进行集成,把若干个由不同方法构成的识别系统所得到的结果进一步加工,经过 由人指导的学习,综合了各个系统的优点,从而获得比单个系统性能更好的识别结果.对四个 自由手写数字识别系统进行综合集成的实验,充分表明了该方法的有效性.更进一步,把基于 监督学习的网络集成法,用于手写汉字识别中关于"模板"(templet)的建立,起到了模拟形象 思维的作用,从而为识别自由手写汉字打下了基础.     

基于支持向量机的手写体数字识别系统设计

数字识别是光学字符识别技术里发展比较早的一种技术,是OCR的一个分支。数字识别又分为手写数字识别和非手写数字识别,提到的手写数字识别是指脱机手写数字识别。支持向量机是近几年来模式识别领域中的一个新技术,它被广泛应用到文字识别、人脸识别等应用中,是模式识别领域中的研究热点,把支持向量机技术应用到手写数字识别系统中,以期提高识别系统的性能。     

我国汉字识别研究的进展

作为模式识别和人工智能一个分支的汉字识别技术, 自七十年代末, 我国一些大学、研究所开展研究以来, 至今已有十年历史。十年来, 从无到有, 从几个单位少数人探讨进展到有一定规模的研制队伍在认真探索, 从纯原理、方法研究发展到理论、方法、模拟实验、识别系统齐头并进。特别是最近两、三年, 汉字识别的研究在印刷体汉字、联机手写汉宇、手写印刷体汉字等领域全面开展起来, 取得了一些可喜的初步成果, 已有一些指标赶上甚至超过世界水平。可以说, 我国汉字识别的研究就要摆脱摸索阶段, 开始向实用系统研制的道路前进了。     

深度学习在手写汉字识别中的应用综述

手写汉字识别（Handwritten Chinese character recognition,HCCR）是模式识别的一个重要研究领域,最近几十年来得到了广泛的研究与关注,随着深度学习新技术的出现,近年来基于深度学习的手写汉字识别在方法和性能上得到了突破性的进展.本文综述了深度学习在手写汉字识别领域的研究进展及具体应用.首先介绍了手写汉字识别的研究背景与现状.其次简要概述了深度学习的几种典型结构模型并介绍了一些主流的开源工具,在此基础上详细综述了基于深度学习的联机和脱机手写汉字识别的方法,阐述了相关方法的原理、技术细节、性能指标等现状情况,最后进行了分析与总结,指出了手写汉字识别领域仍需要解决的问题及未来的研究方向.     

一个面向OA的印刷汉字OCR实用系统

本文叙述一个采取以“统计模式识别”为主, 以“结构模式识别”方法为辅的识别技术路线实现的以办公室自动化（OA）为应用环境的一级印刷汉字文本识别系统，该系统从实用化角度出发, 采用页式文本图象扫描输入，输入后将图象文本分割成单个汉字, 并根据汉字的结构特点, 抽取了汉字的内层, 外层,局部等多个特征。识别采用多级分类方法。识别结果形成一个国标区位码文件，系统软件建立了一种与用户间的友好界面。该系统是在IBM PC/XT上实现的, 对印刷字样识别率>99%, 对各类实际的办公行文其统计识别率>95%, 识别速度为1-2字/秒。 前     

基于贝叶斯网络的脱机手写体汉字智能识别

针对汉字识别的超多类问题，将贝叶斯网络分类器引入小样本字符集脱机手写体汉字识别中．对手写大写数字汉字的小样本字符集构造识别系统，同时与传统的欧氏距离方法进行比较，实验表明该算法将识别率提高到92．4％，在小样本字符集脱机手写体识别中具有较强的实用性和良好的扩展性．     

BP算法在手写体脱机字符识别中的应用

借助现代计算机强大的计算和信息处理能力,人工神经网络的应用从二十世纪80年代开始形成热点以来,一直方兴未艾,在模式识别与图像处理,控制优化,金融预测与管理,通信等方面都取得了丰硕的成果.BP算法作为神经网络研究中一种比较成熟的基础算法,在处理静态网络,如文字识别、空间曲线的逼近等问题取得较好的效果.本文借助数学软件MATLAB,使用BP算法研究了手写字体英文字母的计算机识别,经过推广可用于汉字识别和数字签名等方面.