手写字符样本自动采集研究

提出用行程段信息表示字符图像的编码方法 ,以二进制形式存取 ,能节省大量的文件存储空间。预处理阶段 ,使用最佳阈值二值化方法和平滑技术处理样本表格图像。为保证字符图像正确分割 ,先提取样本表格图像垂直边缘 ,然后使用Hough变换检测图像倾斜角度。提出了快速标记行程段中心迭代算法实现字符图像的分割。手写数字样本自动采集实验表明本文方法的有效性     

基于连通域的字符孔洞提取算法及其实现

提出了基于等价类行程的连通域算法,通过计算字符图像背景区域连通域提取手写字符图像的孔洞特征。为将相关行程合并成连通域,构造一个等价类数组记录和传递相关行程间的连通关系。手写数字字符图像的实验结果表明,本文算法能准确有效地提取手写数字字符孔洞特征,可用于字符分类识别。     

一种新的车牌识别预处理算法

提出了一种八方向Sobel处子模板提取图像边缘的方法，并根据边缘图像中车牌区域纹理特征来切分出车牌区域，然后利用类别方差自动门限法来确定字符色和底色的阈值，以进行字符二值化，经测试，此方法定位准确，二值化效果较好，为后字符分割和识别做了较好的预处理工作。     

BP网络预测阈值的仪表重影字符识别方法研究

针对仪表数字获取过程中多出现光照不均匀和字符重影现象,导致二值化困难、识别率低等问题,提出了一种新的二值化方法。在对图像二值化之前,由于图像质量不佳,首先需要对图像进行预处理。针对光照不均现象,使用了非线性函数彩色图像校正方法。针对重影现象,以图像的灰度级分布统计量作为输入,自适应二值化全局阈值作为标签训练BP神经网络预测模型,使用训练好的BP网络对图像全局阈值进行预测并二值化,达到分离重影的目的。同时,采用改进LeNet-5网络对分割后的单个字符进行识别。结果表明,提出的二值化方法效果优于经典方法,改进的LeNet-5能够满足分割后的仪表字符识别,其识别率能达到98.94%,分割后单个字符识别时间只需要0.001 4 s。     

部件字典结合时分方向特征的手写维吾尔字符识别

针对联机手写维吾尔128类变体字符,提出了一种基于部件字典和时分方向特征的识别算法。该算法首先结合连笔分析,将字符分解为主体、附加和点三类部件,建立手写维吾尔字符的部件字典,有效解决联机手写维吾尔字符的笔顺连笔自由问题;然后,为减轻手写字符拓扑变形造成的干扰,对单个部件提取一种新的联机特征-时分方向特征,该特征在模糊域提取方向链码然后按时序划分统计,并通过检测和调整短时变动进行抖动校正;最后,设计不同分类器对各部件进行匹配,利用匹配测度分布估计各部件权重,并通过加权朴素贝叶斯融合得到字符识别结果。实验结果表明,该算法能有效地识别128类无约束手写维吾尔字符,在包含13 056个样本的手写体维吾尔字符数据库上的平均识别率为93.15%。     

基于模板匹配的发票号码识别算法

针对数字识别系统中的发票号码识别问题,提出了一种有效的基于模板匹配的发票号码识别算法.通过对发票数字图像进行前期处理以获得单个字符图像,根据印刷体数字二值化后矩阵特点,基于模板匹配的思想,将待识别字符图像与模板图像进行信息区叠加,对叠加后的图像进行不匹配像素统计,从而得到匹配系数,取匹配系数最小值为最佳匹配.结果表明,该方法简单有效,抗干扰性强且识别率较高,识别发票图像准确率可达99%.     

汽车牌照图像的预处理研究

讨论了平滑和二值化方法，提出了一种改进的适合汽车牌照图像自身特点的去噪及二值化方法，该方法将平滑和二值化结合起来，对螺丝钉、大污点、牌照边框、字符分割不当等引起的噪声非常有效，为正确的特征抽取提供了保证。     

基于投影阈值分割和数字序列校正的高噪声数字仪表图像识别方法

针对数字仪表图像噪声大、图像特征信息不足导致图像识别准确率低的问题，提出了一种基于卷积递归神经网络结合投影阈值分割和数字序列校正的高噪数字仪表图像识别方法。首先，用投影阈值分割二值化算法对图像进行预处理：使用垂直投影法将图像划分为不同区域，根据不同区域的噪声强度自适应设定二值化阈值，对图像进行二值化处理，降低噪声；其次，根据图像之间数字规律变化特点，利用数字序列校正算法将单个数字识别转换为数字序列识别，通过对比不同数字序列的识别概率得出识别结果，解决单张图像特征信息不足导致识别准确率低等问题。实验结果表明，在高噪声数据集上，相较于卷积递归神经网络模型，提出的高噪声数字仪表识别模型在准确率方面提高了约61.95%，达到93.58%。     

支持向量机在字符分类识别中的应用

为了对数字字符和字母字符进行有效识别，提出了一种利用二值字符图像投影的特征参数构
造字符特征矢量的方法，对这些特征矢量进行归一化处理并作为支持向量机的训练集。采用支持向量机和
多层感知器网络对字符的特征矢量进行训练，分别构造出26个字母分类器、10个数字分类器以及36个字母
-数字综合分类器。通过对字符的分类识别测试，字符识别的准确率平均为96.5％，识别速度平均为20.5
ms/字符，结果表明了支持向量机在字符识别应用中的有效性。     

手写邮政编码的模糊识别方法

提出一种基于神经网络的手写邮政编码的模糊识别方法,它包括邮编框边缘检测与分离、图像二值化、去噪、倾斜校正、提取邮编数字、窗格缩放、位置归一化、数字细化、数字识别特征提取和基于BP网络的模糊识别等10个环节。经实验表明,该方法的正确识别率达90%以上。     

基于连续非对称卷积结构的手写体数字识别

为了提高手写体数字识别的准确率,设计并提出了一种基于连续非对称卷积结构的手写体数字识别的深度学习算法.以连续非对称卷积结构为基础,结合极限学习机和MSRA初始化设计网络结构.在识别输入图像时,利用CUDA并行计算与Cudnn神经网络GPU加速库对手写体数字识别进行加速.在MNIST手写体数字数据库上进行实验,提出的网络结构识别准确率达到99.62%,单张图像识别速度为0.005 8 s.经实验结果对比表明,该网络结构在识别准确率和识别速度上得到有效提升.     

网络环境下馆藏策略的转向

网络环境下，大多数图书馆必须同时承担传统图书馆与电子图书馆的双重角色与功能，除了传统纸本的收藏外，也须积极建立及维护各种各样的电子馆藏，这是当前图书馆在馆藏发展所面临的新课题。本文提出在网络环境下图书馆藏策略的转向，认为应朝向虚拟和实体馆藏并重；纸本与电子信息共存的发展方向。     

用限制模板和映射变换对手写数字识别进行预处理

手写体数字识别的复杂性来源于手写数字的不规范性，提出了一种利用限制模板和映射变换预处理手写数字识别的方法。利用模板对用户输入进行简单的规范并将手写数字映射变换为标准的七段数，通过一个简单的特征提取和分类识别算法，取得了很好的效果。     

基于LVQ神经网络算法的脱机手写数字识别研究

针对BP神经网络进行脱机手写数字识别所存在的问题,提出用自组织竞争神经网络（LVQ）对脱机手写数字识别的方法.介绍了LVQ神经网络算法,并构建了LVQ神经网络的识别模型,用Matlab软件进行了仿真.将获得的仿真结果数据与BP神经网络的测试结果进行对比分析,发现LVQ神经网络对脱机手写数字的识别率明显高于BP神经网络,且收敛速度更快.该方法在脱机手写数字识别领域具有一定的可行性与指导性.     

基于非线性PCA神经网络的手写体字符识别

非线性主分量分析PCA算法与子空间模式识别方法相结合,提出了一种应用于手写体字符识别的基于非线性PCA神经网络的信号重构模型,并与BP网络模型进行了比较实验,结果表明,本文提出的方法,对于0～9手写体数字识别,正确识别率达到了94.74%,而对于a～z手写体字符识别,正确识别率达到了91.03%.     

A Structure Similarity Analysis Method for On－Line Recognition of Handwritten Chinese Characters

ＡＳｔｒｕｃｔｕｒｅＳｉｍｉｌａｒｉｔｙＡｎａｌｙｓｉｓＭｅｔｈｏｄｆｏｒＯｎ－ＬｉｎｅＲｅｃｏｇｎｉｔｉｏｎｏｆＨａｎｄｗｒｉｔｔｅｎＣｈｉｎｅｓｅＣｈａｒａｃｔｅｒｓＬＩＵＪｉａｆｅｎｇ；ＴＡＮＧＪｉａｎｇｌｏｎｇ；ＳＨＵＷｅｎｈａｏ（刘家锋，唐...     

高校数字图书馆海量信息存储系统架构研究

高校数字图书馆改变了传统图书馆的存在和服务方式,结合校园网络平台,实现用户对图书馆文献检索和数据共享网络化和图书馆办公自动化。本文结合主流的海量信息存储技术DAS （直接附加存储）、NAS （网络附加存储）、SAN （存储区域网络）和云存储,设计数据资源分级分布存储的高校数字图书馆网络信息存储系统架构。满足了数字图书馆存储系统的高容量、易扩容和数据资源安全可靠性等方面需求。     

手写体汉字识别的一种粗分类方法

本文论述了一种适用于手写体汉字识别的粗分类方法。文中以方向笔道密度分布为基础,研究了手写体汉字特征的抽取,并按照方差准则选取有效的特征,以减少冗余的信息。此法用于500个常用汉字的粗分类,获得了较为满意的结果。