基于笔划宽度提取的手写体汉字归一化方法

手写体汉字书写变形是手写体汉字识别预处理阶段的重要问题之一。为了有效地改善手写体汉字变形并识别手写体汉字，提出了手写体汉字笔划宽度提取，以及基于提取出的笔划宽度的手写体汉字归一化的方法。用上述方法在计算机上进行仿真实验，实验结果表明，手写体汉字归一化的方法既能保证原手写体汉字的形状结构特征不变，并可有效地改善手写体汉字变形差异。     

基于手写体汉字笔画提取重构的识别方法

提出了手写体汉字笔画宽度提取、基于提取出的笔画宽度归一化手写体汉字的方法，给出手写体汉字笔画重构的思想，实现了一种基于手写体汉字笔画提取的汉字重构并最终识别手写体汉字的算法，构建了手写体汉字的识别系统。实验证实，该方法可保证原有笔画特征信息，且能有效地识别手写体汉字。     

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.     

一种基于数学形态学的手写汉字方向特征提取方法

提出了一种新的基于数学形态学的手写体汉字方向特征提取的方法。该方法首先提出了一种利用数学形态学对手写汉字做笔划宽度归一化的方法，然后应用数学形态学的方向模板提取汉字在横、竖、撇、捺4个方向上的模式图像，最后，将弹性网格作用在4幅方向模式图像中，统计每个网格中的黑像素分布密度，得到汉字的方向特征。使用简单的距离分类器对120套3775个汉字手写体汉字进行识别实验，识别率达到8547％。     

线状图形的SLSA法提取

在汉字的结构模式识别中, 对汉字进行笔划间的分割、提取和表示是必不可少的。评价这些方法的优劣常基于这两个标准：第一, 笔划提取的正确性和表示的合理性, 其次是得到这个结果的时间。在手写体汉字识别中, 由于汉字模式经常受到书写者的不同及书写条件等因素的影响, 使得书写同一笔划的形状各不相同, 甚至产生变形。这里我们提出一种称为SLSA(Straight-Line Sequence Approximation)法来提取汉字笔划, 它能大大减少提取笔划所需的时问, 并且不产生变形。最后结果用Freeman代码来表示。这种方法已用于在IBM-PC/XT机上实现的手写体汉字识别模拟系统中, 效果极为满意。     

基于笔划方向特征和非对称分布的手写体汉字识别

提取稳定的笔划结构是汉字结构识别方法的前提，合适的样本特征矢量参数分布模式是统计识别方法的基础。本文将这两个看似不相关的问题联系在一起，提出了基于笔划方向特征和非对称分布的手写体汉字识别模型。一种从手写体汉字骨骼图像上提取分叉点的改进算法，可以保证特征点提取的完整性，从而保证笔划提取的可靠性，并直接从笔划结构上提取统计识别特征矢量。基于类间样本分布的差异以及类内样本分布的非对称性，采用基于PCA的非对称分布手写体汉字识别模型。实验表明，基于笔划方向特征和非对称分布的统计识别模型具有优良的识别性能。     

手写体汉字特征的抽取研究

本文采用结构方法研究汉字手写体识别。通过利用全新的防噪声技术,有效地抽取了规范手写体汉字的自然笔划并自动形成结构特征编码。最后,我们对基于人工神经网络的手写体汉字识别进行了初步探讨。     

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.     

一种模糊相关的手写体汉字特征提取方法

本文给出了手写体汉字网格模糊笔划密度特征的提取方法,将模糊数学与统计方法相融合,结合汉字的结构特征与统计特征,准确地提取了汉字的模糊笔划密度特征,且该特征较为稳定。使用该特征进行手写汉字识别的分类实验,结果令人满意。     

基于ANN和HMM的联机手写体汉字识别系统

为了解决联机手写体汉字笔划顺序、笔划数目及笔划形状变化问题,提出了一种新的联机手写体汉字识别方法:人工神经网络(ANN)和隐马尔可夫模型(HMM)相结合的汉字识别方法,首先通过BP神经网络进行笔划识别,再通过笔划类型和笔划间位置关系的隐马尔可夫模型进行整字识别。实验证明,该联机手写体汉字识别系统具有较高地识别准确率。     

一种脱机手写体汉字识别的容错编码方法研究

手写体汉字识别是字符识别领域中的难点。为了使机器识别汉字适应于手写体汉字的变形等因素,基于人类认识汉字的容错机理,提出了一种用于机器识字的汉字容错编码方法,以提高手写体汉字识别率。该编码方法首先对横竖撇捺笔划形态给出了模糊化表示;然后定义了仿人拆字的字元集,并给出了易混淆笔划字元的多归类容错编码;接着给出了笔划字元的顺序判断规则和归结了36类简单常用字的部首子结构,并给出冗余的容错编码;进而建立了仿人构字的汉字编码规则和具有容错性的多模板字典,并对《新华字典》中收录的10000余个单字汉字进行了标准编码,重码率为0.48%;最后对HCCORG和NKIM手写体汉字库中的100个手写体汉字进行了仿真识别,识别正确率为96%。试验结果表明,这种编码方法可生成多模板字典,不仅对手写体汉字变形具有较好的容错性,且重码率和误识率较低。     

On-line handwritten Chinese character recognition via a fuzzy attribute representation

Chinese characters are constructed by strokes according to structural rules. Therefore, the geometric configurations of characters are important features for character recognition. In handwritten characters, stroke shapes and their spatial relations may vary to some extent. The attribute value of a structural identification is then a fuzzy quantity rather than a binary quantity. Recognizing these facts, we propose a fuzzy attribute representation (FAR) to describe the structural features of handwritten Chinese characters for an on-line Chinese character recognition (OLCCR) system. With a FAR. a fuzzy attribute graph for each handwritten character is created, and the character recognition process is thus transformed into a simple graph matching problem. This character representation and our proposed recognition method allow us to relax the constraints on stroke order and stroke connection. The graph model provides a generalized character representation that can easily incorporate newly added characters into an OLCCR system with an automatic learning capability. The fuzzy representation can describe the degree of structural deformation in handwritten characters. The character matching algorithm is designed to tolerate structural deformations to some extent. Therefore, even input characters with deformations can be recognized correctly once the reference dictionary of the recognition system has been trained using a few representative learning samples. Experimental results are provided to show the effectiveness of the proposed method.     

一种改进的脱机手写汉字四角特征粗分类方法

将粗分类应用于脱机手写汉字识别中,采用这种多层次分类策略,能有效地改善识别的性能,提高识别精度。本文提出了一种利用四角区域结构特征对手写汉字进行粗分类的方法。在对汉字基本笔画进行分析的基础之上,根据手写汉字形变的特点以及识别算法的要求,定义一组新的笔画单元,并将这些笔画单元与汉字特定区域内的结构进行比对,得到一组4位结构特征编码,以此作为脱机手写汉字粗分类的依据。对GB2312一级字库中的部分手写汉字进行采样和识别实验,结果证明改进的四角结构特征用于粗分类的有效性。     

一种基于SVG的在线连续手写汉字多步分割方法*

基于可伸缩矢量图SVG的在线手写汉字是以SVG图像作为汉字图像格式、以SVG的path对象作为笔画的基本存储单元来对汉字进行显示和存储的,笔画的轮廓是以手写过程中记录的坐标值作为特征数值加以确定的。基于此种SVG手写汉字存储和表示形式,本文提出一种基于图论的在线连续手写汉字多步分割方法。该方法根据汉字笔画间的坐标位置关系对手写笔画序列构建无向图模型,并利用图的广度优先搜索将原笔画序列分割为互不连通的笔画部件,使偏旁部首分离较远、非粘连汉字得到正确分割;然后利用改进的tarjan算法对部件中的粘连字符进行分割,最后基于笔画部件间距,利用二分类迭代算法对间距进行分类,找出全局最佳分割位置,对过分割的部件进行重组合并。实验结果表明,该方法对于在线手写汉字的分割是有效可行的。     

变形变换及其在手写体汉字整形中的应用

提出了一种新的一维变形变换方法并将之应用于手写体汉字的整形变换。尽管不同书写风格的同不类手写体汉字存在较大的随意性，但它们的拓扑结构是一致的，因此可将手写体汉字看成是一种可变形物体。通过选择适当的变形参数，该变形变换可以将一个汉字变形为24种不同的收写风格，利用一个变形系数可控制各种风格的变形程序。该变形变换可以矫正手写体中偏左、偏右、偏上、偏下、偏胖、偏瘦等各种位置变形，从而达到对手写体样本进行非线性规范化处理的效果。实验结果表明，手写体汉字经变形变换后，识别率可提高大约1．5％左右，显示了本文所得算法的有效性。     

基于过程神经网络的手写体汉字识别方法研究

分析手写体汉字各类基本笔画间的拓扑关系,将手写体汉字图像转化为具有容错表征方式的多种汉字笔画类型在不同位置组成的几何图形。采用过程神经元网络提取手写体汉字各类型笔形,统计各类型笔形和相交点的数量,从而建立手写体汉字特征知识的数据结构表。对SCUT IRAC手写体汉字库中汉字进行了实验仿真,该方法大大降低了脱机手写体汉字识别的难度,有较高的汉字识别率。     

A novel stroke-based feature extraction for handwritten Chinese character recognition

A stroke-based approach to extract skeletons and structural features for handwritten Chinese character recognition is proposed. We first determine stroke directions based on the directional run-length information of binary character patterns. According to the stroke directions and their adjacent relationships, we split strokes into stroke and fork segments, and then extract the skeletons of the stroke segments called skeleton segments. After all skeleton segments are extracted, fork segments are processed to find the fork points and fork degrees. Skeleton segments that touch a fork segment are connected at the fork point, and all connected skeleton segments form the character skeleton. According to the extracted skeletons and fork points, we can extract primitive strokes and stroke direction maps for recognition. A simple classifier based on the stroke direction map is presented to recognize regular and rotated characters to verify the ability of the proposed feature extraction for handwritten Chinese character recognition. Several experiments are carried out, and the experimental results show that the proposed approach can easily and effectively extract skeletons and structural features, and works well for handwritten Chinese character recognition.