一种改进的AdaBoost算法——AD AdaBoost

目标检测问题是计算机视觉领域最普遍和关键的问题之一.基于级联结构的AdaBoost算法目前被认为是较有效的检测算法,但是其在低FRR端的性能仍需改进.文章提出了一种针对目标检测问题的改进AdaBoost算法--AD AdaBoost.AD AdaBoost采用了新的参数求解方法,弱分类器的加权参数不但与错误率有关,还与其对正样本的识别能力有关.该算法能够有效地降低分类器在低FRR端的FAR,使其更适用于目标检测问题.新旧算法在复杂背景中文字检测的实验结果对比证实了新算法在性能上的改进.  

对称主分量分析及其在人脸识别中的应用

镜像对称性是人脸的一个直观显然的自然特性，有助于开发面向人脸图像的识别技术与算法，该文将在人脸识别中应用这一自然特性，提出一种新算法——对称主分量分析，该算法首先引入镜像变换，生成镜像样本；然后依据奇偶分解原理，生成镜象奇、偶对称样本，并分别进行KL展开，提取镜象奇／偶对称KL特征分量；最后，根据奇／偶对称KL特征分量在人脸中所占能量比例的不同以及对视角、旋转、光照等干扰的不同敏感程度进行特征选择，理论分析与实验证明，该算法巧妙地利用镜像样本，增强人脸识别：既扩大样本容量，显著提高识别率；又节省计算与存储开销，增强算法的实用性能。  

基于有向单连通链的表格框线检测算法

表格框线检测是表格识别的基础.现有的表格框线检测算法或者速度慢,或者鲁棒性差,而且没有充分利用表格框线之间的约束信息.提出了一种基于所定义的图像结构基元"有向单连通链"的自底向上表格框线检测算法.在此算法中,有向单连通链是一种黑像素游程序列,作为非常合适的矢量基元,在引入一定表格框线约束信息的条件下合并单连通链,有效地去除伪框线,补全断裂的框线,提高了算法的鲁棒性,可以准确而快速地提取表格框线.通过滤除噪声单连通链,加快单连通链的合并速度,算法速度提高了3~10倍,满足了实用要求.实验证明,该算法具有速度  

基于HMM的汉语文本识别后处理研究

本文用ＨＭＭ（ＨｉｄｄｅｎＭａｒｋｏｖＭｏｄｅｌ）描述汉语文本识别后处理，将汉语语言和单字识别这两个概率模型结合起来，以充分利用单字识别器提供的信息。语言模型的参数由语料库统计得到；单字识别模型的参数为条件概率，经理论分析，它可转化为后验概率来求解。在分析训练样本集单字识别结果的基础上，提出一种统计方法估计候选字的后验概率。ＨＭＭ在脱机手写体汉语文本识别中的实验表明，后处理性能除取决于语言模型外，还取决于后验概率的精确估计。  

印刷体现代藏文识别研究

以印刷体现代藏文白体、黑体、圆体、长体、竹体为字体样张，通过预处理、文本行字切分、特征选择和分类识别的初步研究，获得对5种字体文本的平均识别率为89．582％，对其他字体的文本平均识别率为93．867％。  

藏文识别中相似字丁的区分研究

相似字丁多是藏文识别中的一大难点。本文通过对相似字丁类型的研究 ,以及印刷体藏文识别结果的统计分析 ,得到图形结构的分析与识别结果相吻合的结论。说明必须根据藏文字丁的结构特点 ,在字符归一化、特征选择方面进行特殊的处理 ,以实现藏文识别中相似字丁的区分。  

一种基于字词结合的汉字识别上下文处理新方法

根据字、词信息之间的互补性，提出一种字、词结合的上下文处理方法．在单字识别的基础上，首先利用前向一后向搜索算法在较大的候选集上进行基于字bigram模型的上下文处理，在提高文本识别率的同时可提高候选集的效率；然后在较小的候选集上进行基于词bigram模型的上下文处理．该方法在兼顾处理速度的同时，可有效地提高文本识别率．脱机手写体汉字文本(约6．6万字)识别中的实验表明：经字bigram模型处理，文本识别率由处理前的81．58％提高至94．50％，文本前10选累计正确率由94．33％提高到98．25％；再经词bigram模型处理，文本识别率进一步提高至95．75％。  

鲁棒的多体印刷英文识别系统的实现

文章讨论了设计一个实用的多体英文识别系统中解决的主要问题。该系统能识别多达260种字体，包括斜体和黑体等字体，对训练集的识别率达到99％，对实际文本测试的错误率比TH－OCR2000低56％。文章详细阐述了文本行字切分，特征提以和分类器设计，以及后处理所使用的常用技术，对各种技术的特点进行了分析和比较，并提出了一些新的技术。文章对于OCR系统的设计具有一定的指导意义。  

多字体印刷藏文字符识别

藏文字符识别系统是中文多文种信息处理系统的重要组成部分，但至今国内外的研究基本处于空白。本文提出了一种基于统计模式识别的多字体印刷藏文字符识别方法：从字符轮廓中抽取方向线素特征，利用线性鉴别分析(LDA)压缩降维后得到紧凑的字符特征向量。采用基于置信度分析的两级分类策略，设计了带偏差欧氏距离分类器(EDD)完成高效的粗分类，细分类采用修正二次鉴别函数(MQDF)。通过实验选取恰当的分类器参数后，在容量为177，600字符(300样本／字符类)的测试集上的识另叶率达到99．79％，证明了该方法的有效性。  

脱机手写汉字识别的最优采样特征新方法

在脱机手写汉字识别中，笔画形变是造成识别率下降的主要原因，减少笔画形变的影响是提高脱机手写汉字识别率的关键。针对上述问题，提出了最优采样特征。该特征以目前被广泛应用的方向线素特征为基础，在一定的约束条件下，通过移动采样点的位置，可以适应笔画的形变。从而减少特征的类内方差，提高特征的可分性，改进了识别性能。通过在THCHR样本集上进行实验，并对最优采样特征和方向线素特征的实验结果进行比较，验证了最优采样特征的识别率优于方向线索特征。