基于多尺度小波分析的汉字字体识别

字符识别系统的研究已取得很大成功,要恢复版面信息的原貌,就要对字体进行识别.文中提出了一种基于小波能量分布比例特征的多尺度小波分析的汉字字体识别算法,通过对字符图像进行小波分析以及网格化,提取小波能量分布比例特征作为小波特征,应用BP神经网络在文本无关的条件下对汉字字体进行分类.实验表明,基于多尺度小波分析的汉字字体识别算法能有效的区分黑体、仿宋体、宋体以及楷体4种不同的字体.     

基于笔划特征的手写体汉字字符识别

本文提出了一种利用笔划提取骨架结构特征的手写体汉字字符识别方法。首先,以二进制字符模式的直线长度来决定笔划的方向,根据其方向和它们相互关系,将笔划分为笔划段和分叉段,然后提取笔划的骨架,亦称之为骨架段,在提取了所有的轮廓段后,对分叉段进行处理,找到分叉点和分叉角。轮廓段和分叉段在分叉点处相连,这样所有相连的骨架段构成了字符的骨架,根据提取的轮廓和分叉点,我们可以得到用于识别的基本笔划和笔划方向图。     

基于模型的笔划抽取和匹配的手写体汉字识别方法

本文提出了一种基于模型结构匹配的手写汉字识别方法（HCCR）。这种方法可以得到可靠的笔划对应信息及结构解释。在这个模型中，每个类别的标准字符用属性形状描述，输入字符用特征点及线段描述，字符笔划与输入笔划间的关系直到被一个标准字符匹配后才能确定，这个结构的匹配分两个阶段：修选字符的提取和一致性匹配，所有匹配的修选字符先通过跟踪提取然后通过启发式搜索进行一致性匹配，同时一些结构的后处理操作应用于改善笔划对比的识别中，识别实验是在一个称为“KAIST”的字符数据库中进行的，并给出了结果。     

基于笔划类型的字符细化算法研究

字形细化可以大大简化汉字识别特征的提取过程,提高汉字识别的准确性和快速性,是字符识别最重要的预处理技术之一。文中探索并提出了一种提取字符的组成笔划并根据笔划类型直接求取各笔划的中心骨架,从而完成对字符细化的细化算法,并将其用于所研制的汽车牌照计算机自动识别系统之中,取得了令人满意的效果。     

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。     

基于篇章字体导引的单字符字体识别

字体识别是印刷文档识别重构的重要组成部分,是目前识别技术的一个难题。以印刷文档的单体单字高识别率为基础,论文提出了一种基于篇章字体导引的汉字单字符字体识别方法,结合字体排版的规律性,使得字体识别速度和精度大大提高。以常用报纸、杂志正文文本为样本进行实验,字体识别率达到了99%。     

基于笔划组合的手写数字切分

主曲线是一种新的基于非线性变换的特征抽取方法,它是一种通过数据分布“中间”并满足“自相合”的光滑曲线来进行特征提取的方法。为了提高手写数字串切分的正确率,提出了一种基于笔划组合的手写数字串切分方法。该方法首先使用主曲线完成字符模板的笔划抽取,然后以字符识别器提供的置信度为依据来组合笔划,以实现手写数字串的切分过程。另外,在字符识别器设计方面,则是使用基于数字轮廓分段特征与规范化模板特征这两个单特征分类器组合。实验表明,分别基于这两个特征的分类器具有较强的互补性。由于字符识别器的置信度难以真实反映识别结果,为此需使用类条件置信变换法,通过估计分类器的后验概率来对识别器的置信度进行修正。实验结果表明,该方法对于手写数字的分割是有效的。     

一种新颖的使用Gabor滤波器对汉字笔划抽取的方法

一种健壮的基于脱机字符识别系统的汉字字符笔划抽取方法依靠对笔划结构的分析来识别。本文提出了一种新颖的基于方向滤波的笔划抽取方法，该方法具有可靠的笔划抽取和分割不变形的特点。首先，使用一组滤波器将字符图像分解成不同的方向特征，然后，采用一种使重构误差最小的新的迭代二值化方法来恢复笔划的形状一最后，采用一种基于笔划交迭度检测的笔划精炼抽取法以剔除多余的笔划碎片。测试结果表明，新方法不仅能解决由于笔划细化而造成的交叉点变形和伪分支问题，而且对笔划的变形和噪声不敏感。     

英文字符特征提取系统

英文字符识别是模式识别的一个重要分支,具有广泛的应用领域.字符识别主要包括文档切分、单词切分、字符识别及后处理几部分.文中描述的是英文字符识别系统实现了从图像扫描到得到识别结果的全过程, 而字符特征提取是文本的重点内容.以五十二个英文字符为研究对象,具体包括了图像预处理、特征提取、建立模板、分类器设计、后处理等步骤.文章对OCR领域中应用比较广泛的网格特征、外围特征、穿越特征等特征和几种距离分类器分别进行比较分析,并进行大量的实验.实验结果表明识别准确率和识别处理时间方面具有良好性能.     

基于多特征集成分类器的脱机满文识别方法

为提高脱机满文手写字体的识别率,提出了基于BP网络的多特征集成分类器识别方法.对扫描成图像的手写满文进行预处理,切分出满文字元;分别提取满文字元的投影特征、链码特征以及端点和交叉点特征,并对这三类特征及其相互组合进行分类识别;通过隐马尔科夫算法对识别结果进行后处理,进一步提高识别的精度.实验结果表明,集成分类器的识别率要比单个特征的识别率要高,同时集成分类器中的特征类别越多,识别效果越好.