手写印刷体汉字部件的抽取

本文介绍了识别手写印刷体汉字的一方法中轮廊折线跟踪、笔段抽取和基础部件抽取阶段的工作。为了克服结构方法对关键结构过于敏感和串形决策不稳定的缺点, 采用了多冗余有引导的部件抽取策略。当根据局部结构难于作出判断时, 不勉强进行判断, 而是将各种可能作为候选带到后级, 利用后阶段的结构归纳进行判断, 从而提高了对崎变的容纳能力。#br#本方法可用作结构识别方法中的粗分类方法。     

常用汉字系统自动识别程序

本文对常用汉字系统的识别标志作了简要分析，阐述了对各系统的识别方法，并给了自动识别常用汉字系统的汇编语言源程序。     

部件在印刷体汉字识别中的应用

汉字是由不同部首、笔划构成的 ,但在计算机中表示部首是非常困难的。文章介绍一种便于计算机使用的部件来进行汉字识别的方法 ,所有的汉字被分解为几百个部件 ,识别时 ,先识别出汉字中的各个部件 ,然后再构成整个汉字 ,从而加快了汉字识别的速度。     

手写印刷体汉字识别方法2-D EAG

本文介绍手写印刷体汉字识别方法2-D EAG。主要的工作为:提出了二维扩展属性文法模式识别方法,可实现自底向上归约和自顶向下推导双向信息传递和控制;提出了一种直接利用二维信息进行识别的方式,可避免特征线性化造成的信息丢失;提出了多义文法、共生文法和结构推断三种在文法之间建立联系,利用结构类比区分极相似字的 识别算法;提出了多冗余归约机制,双边缘弹性跟踪笔段抽取算法,多冗余有引导部件抽取算法。用2-D EAG方法对100字种实际手写汉字进行了识别实验,在识别大畸变汉字(包括部分连笔字)方面得到了很好的结果。     

基于假设检验的手写印刷体汉字识别方法

为将统计决策方法和句法方法有机结合起来, 本文提出了以部件为基元的基于假设检验的手写印, 体汉字识别方法由统计方法得到候补字集, 利用部件特征的先验知识抽取待识字可能包含的部件并对假设进行验证, 从而不断缩小候补字集, 并逐步完善汉字的结构描述。初步实验表明其分类效果明显。     

一个手写印刷体汉字识别实验系统

本文在充分考察了手写汉字和中国大汉字集特点的基础上, 提出了一组用于手写印刷体汉字识利的分类特征, 它们是长笔划分布类型、各类笔划的数目、交叉点数目和折点数目。利用这组特征进行匹配就可直接识别出GB2312-80汉字集中的绝大部分汉字, 再通过一个基于知识的推理过程即可进一步识别出已被分成类组的少数剩余汉字, 这种将统计分类与基于知识的推理识别相结合的两级识别方法具有较高的效率。一个适应性较强的汉字笔划和特征点抽取方法也被设计, 它是SLSA方法的改进, 与机器学习功能相配合, 大大提高了特征抽取的正确率。我们根据上述思想建立了一个手写印刷体汉字识别实验系统, 并获得了较好的实验结果。     

基于部件的印刷体汉字识别方法

本文论述的基于部件特征描述和汉字特征点相结合的汉字识别方法。该方法采用汉字的四周轮廓加权值为汉字的特征描述［１］，并利用ＩＤ３分类算法［２］自动建立该加权值的最佳ＩＤ３分类树。该算法具有自动增加特征，查询速度快，分类精度高的特点。采用轮廓加权值方法可以使部件有序，进而提高搜索的速度。汉字特征点及背景点的选取用于部件的细分类。汉字的机内表示为部件、部件在汉字中的位置的有序二位元组序列。     

计算机实时手写中文自动识别

本文介绍用于联机手写中文字自动识别的新方法与新算法.由于下述各点的实现,手写文字时可以减少许多限制,增加书写自由.①笔划的抽取经由两次分段实现:首先连续采样,将输入笔划变换成线段组成,再对线段的长度进行比较,删去相对不重要的成份.②用笔划校正技术将不应分离的笔划重新组合成规范笔划,或者将不应联写的复合笔划重新分解成基本笔划.③用非完全匹配技术使失真字可以识别.④用混序笔划重排算法可使一个混序笔划输入的字重新排列笔顺.⑤笔划位置和长度作为进一步特征,可区别模糊字.     

汉王推出多文种手写、印刷体字符识别系统

汉王科技公司在国家八六三计划、国家自然科学基金重点项目的支持下,最近开发并推出了: ·汉王笔最新版本第七版 ·汉王笔第七版小秀才型简易手写输入系统 ·汉王全能阅读器(OCR) ·多体印刷体识别、手稿识别及汉五笔三合一汉     

手写印刷体汉字识别中近似字的区分

本文详细地分析了手写印刷体汉字中字形相似字的特点。采用对汉字点阵图象进行方向变换的方法, 利用汉字的笔道（黑点）方向和背景（白点）的封闭率特征表现近似字的局部差异, 在相似字特征判定表的引导下, 对字形相近的字进行判别, 取得了令人满意的效果。     

手写粉笔数字自动识别方法研究

手写粉笔字在生产生活中应用广泛,针对手写粉笔字易与背景混淆的特点,提出了手写粉笔数字自动识别方法,分别通过粉笔字普适性分割算法和基于SVM的手写数字分层分类自动识别技术解决了分割和识别两个关键问题,并结合钢材板坯号自动识别系统的应用进行方法的实验,达到了较高的识别率,具有重大的应用价值和推广意义。     

手写印刷体汉字相关属性关系图启发式匹配法

在手写印刷体汉字识别的研究中,汉字的总体结构特征渐渐体现出了它的重要性,人在识字时,也只是掌握了汉字结构的一种抽象描述,只要汉字的结构偏差在一定范围内,人就可以进行非精确匹配,将该字识别出来,我们详细分析了手写印刷体汉字的结构特征,认为手写印刷体汉字最稳定的结构特征是汉字笔划段之间的相对位置关系。因此如     

用非精确结构匹配法识别手写印刷体汉字

本文为手写印刷体汉字识别提供了一种新的解决方法。在研究过程中, 从汉字图象的输入到识别结果的获取, 建立了一整套基本完整的识别实验系统。系统选择四边形状特征作为粗分类的基本特征, 提出汉字最稳定的结构是笔划段之间相对位置关系的思想。在粗分类时引入集合运算, 提高了粗分类的正确率和分类能力, 在细分时用快速合并笔划段的方法获取汉字笔划段作为细分特征。最后对于关系结构图的匹配提出了一种新的匹配方法一相关属性关系图启发式匹配,这种方法利用了汉字样本知识, 建立具有相关属性的关系图, 在其指导下, 完成非精确的结构匹配, 该系统在386微机上用汇编语言实现, 对1千个手写常用汉字识别率达百90%以上, 速度是每字2秒。     

手写印刷体汉字的笔段抽取及偏旁识别

本文采用对汉字点阵图象进行方向变换的方法抽取汉字的笔段, 采用结构分析的方法识别分布于汉字四周的偏旁, 对国标一级汉字中的99类偏旁计一万余字进行了偏旁抽取试验, 当侯选偏旁数<5时, 累计正确侯补率>96%。     

联机手写中文速记符的自动识别

手写中文速记符的自动识别是文字类识别中的一个比较特殊的课题.实现了一个联机手写中 文速记符识别系统HCSRS(handwritten Chinese shorthand recognition system),并给出了 对速记符中的基本音符、独立略符、连笔符的识别实验结果.该识别系统采用了以声符、韵 符为基元的结构识别策略.为了实现基元的有效切分,提出了一种基于切分-分析-交互结构 及其相应知识库的自调整切分算法STSA(self-tuning segmentation algorithm),从而大大 改     

用于手写印刷体汉字识别的二维扩展属性文法

计算机汉字字符识别（CCR)作为一种汉字输入手段, 在中国、日本、东南亚等使用大量汉字的国家和地区, 一直受到高度的重视。随着近年来计算机中文文字处理能力的增强和中文输出技术的进步, 也相应地要求输入技术取得新的突破。另一方面, 硬件技术的发展正在给CCR提供越来越多的支持。现在可以说, 解决问题的关键几乎全在于软件方面, 而其中最主耍的又在于能否提出更有效的方法。     

矿井地质记录中手写数字自动识别方法

针对目前矿井地质记录中采用人工判读方式识别手写数字效率较低的问题,提出了一种手写数字自动识别方法,详细介绍了颜色过滤及数字区域定位、数字分割、样本训练、数字识别等步骤。该方法利用计算机图像处理技术实现了对特定区域数字的自动定位和识别,提高了工作效率。