手写体汉字扇形弹性网格特征提取的新方法

近年来，网格方向特征已广泛应用于许多手写体汉字识别系统中，并认为是目前较成熟的手写体汉字特征之一，网格技术和方向分解是网格方向特征的两个关键技术，该文提出了一种新的网格技术一扇形网格法，结合边缘方向分解技术^[1]，构造了一种新的手写体汉字特征提取方法一扇形网格边缘方向分解特征，实验结果验证了本方法的有效效。     

几种手写体汉字网格方向特征提取法的比较研究*

近年来,网格方向特征已广泛应用于许多手写体汉字识别系统中,并认为是目前较成熟的手写体汉字特征之一。网格技术和方向分解是网格方向特征的两个关键技术。方向特征提取方法有许多种并各有优劣。对几种方向特征提取方法进行了比较研究,对其中一些方法进行了改进,并将我们提出的局部网格的划分方法应用到这几种方向分解特征的提取上,取得了较好的识别效果。     

几种手写体汉字网格方向特征提取法的比较研究

近年来，网格方向特征已广泛应用于许多手写体汉字识别系统中，并认为是目前较成熟的手写体汉字特征之一。网格技术和方向分解是网格方向特征的两个关键技术。方向特征提取方法有许多种并各有优劣。对几种方向特征提取方法进行了比较研究，对其中一些方法进行了改进，并将我们提出的局部网格的划分方法应用到这几种方向分解特征的提取上，取得了较好的识别效果。     

基于霍夫变换和弹性网格的手写汉字识别方法

特征提取是手写体汉字识别的关键环节.弹性网格特征是一种较好的手写体汉字特征,但是无法体现汉字的整体结构信息,为此提出了一种采用复合特征进行手写体汉字识别的方法.该方法采用霍夫变换提取汉字图像的全局特征,并把这些全局特征与用弹性网格方法提取出的局部特征联合起来,这样得到的混合特征完整地反映了汉字全局特征和局部特征.最后通过实验证明,在进行大类别手写体汉字识别时,在特征值维数相同的情况下,采用这种复合特征的识别率明显高于单一的弹性网格特征,因此该方法是行之有效的.     

基于双弹性网格的手写体汉字识别

特征提取是手写体汉字识别的关键,目前四方向网格特征已被实验证实是一种较好的手写体汉字特征。针对通常的纵横弹性网格对汉字“撇、捺”笔画特征提取的不足,提出一种新的网格构造技术——对角弹性网格,它由45°和135°的对角直线构成,将汉字图像划分为多个菱形,能够很好地适应汉字在“撇、捺”方向的变化。将这两种网格单独,以及相互组合成双网格等情况分别进行手写体识别实验,实验结果验证了对角弹性网格的有效性和双弹性网格的高识别率性。     

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％。     

SVM多值分类器在脱机手写体相似汉字识别中的应用

相似字的普遍存在是影响脱机手写体汉字识别率低的主要原因之一。论文研究了支持向量机(SVM)多值分类器在手写相似汉字识别中的应用,所提出的方法采用了小波弹性网格技术提取汉字的特征,通过实验比较了三种不同的SVM分类器组合策略的分类效果。     

手写汉字识别弹性网格Gabor特征提取方法的研究*

结合弹性网格技术来对手写体汉字提取Gabor特征,并与基于非线性归一化的Gabor特征及传统的方向特征进行了比较研究,实验结果表明：提出的弹性网格Gabor特征优于非线性归一化Gabor特征,识别性能最稳定;弹性网格Gabor特征要明显优于传统的方向线数特征;不同的非线性归一化方法及归一化的图像尺寸对特征提取的性能有较大影响。     

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。     

虹膜识别中几种特征提取方法的比较研究

虹膜识别是一种新颖的基于生物特征的身份鉴别方法,在信息及安全领域有着重要的应用价值;特征抽取与选择是模式识别的核心技术之一,因此在虹膜识别系统中起着举足轻重的作用;文中讨论了几种虹膜的特征提取方法,介绍了各自的产生背景、实现方法和应用情况,在此基础上做了简要地比较,为特定应用场合下选择适合的虹膜特征提取方法作参考,并为虹膜识别系统中下面的分类识别和特征匹配工作做准备.     

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。     

基于径向基函数神经网络的特征识别技术研究

特征表示和识别效率是基于神经网络特征识别技术所面临的基本问题。在研究特征拓扑结构信息的基础上，提出一种应用特征构成面及其邻接边信息构成特征编码的特征表示模型，并在此基础上，提出基于径向基函数神经网络的特征识别方法。最后，应用此方法实现了对典型加工特征的识别。     

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。     

一种组合特征抽取的新方法

该文提出了一种基于特征级融合的特征抽取新方法，首先，给出了一种合理的特征融合策略，即利用复向量给出组合特征的表示，将特征空间从实向量空间拓广到复向量空间，然后，发展了具有统计不相关性的鉴别分析的理论，并将其用于复向量空间内最优鉴别特征的抽取，最后，在Concordia大学的CENPARMI手写体阿拉伯数字数据库以及南京理工大学NUST603HW手写汉字库上的试验结果表明，所提出的组合特征抽取方法不仅具有很强的维数压缩能力，而且较大幅度地提高了识别率。