以笔画为对象的手写汉字笔迹鉴定——基于运笔和起笔收笔特征的笔迹鉴定

为克服以往笔迹鉴定中结体依存性的不足,本研究以手写汉字的基本笔画为对象,确定反映书写特点的运笔特征、起笔和收笔特征形成特征空间,实现笔迹鉴定.本研究采用10位书写者,各书写70个汉字,提取4种基本笔画,进行笔迹鉴定的实验,实验取得了满意的实验结果.     

基于笔画系数变换的手写汉字笔迹鉴定

本研究以手写汉字的基本笔画为对象,确定反映书写特征的相对幅度和相对斜率为时域特征,并对时域特征进行Fourier变换,抽取变换实系数形成特征空间,实现笔迹鉴定。本研究采用10位书写者,各书写70个汉字,提取5种基本笔画,进行笔迹鉴定的实验,实验取得了满意的结果。     

基于笔压变换系数的手写汉字笔迹鉴定

本研究以手写汉字的基本笔划为对象,确定反映书写特征的笔压为时域特征,并对时域特征进行Fourier变换,抽取变换实系数形成特征空间,实现笔迹鉴定.本研究采用10位书写者,各书写70个汉字,提取4种基本笔划的笔压特征,进行笔迹鉴定的实验,取得了满意的实验结果.     

基于基本笔画运笔特征的手写体汉字特定对象笔迹鉴定的研究

本文基于汉字笔迹鉴定的有效特征，结合基本笔画运笔规律，提出了以手写体汉字基本笔画为研究对象，抽取运笔中的骨骼和笔压变化特征，形成各自的特征空间，并采用样本平均法和方差界定阈值的方法，实现笔迹的鉴定。研究选用10位书写者书写的信封，从中抽取4种基本笔画，形成特征数据库。然后采用40封笔迹信件与6000封非书写者书写的真实信件进行鉴定，用识别率和误识率两种参数来检验此方法，实验取得了满意的效果，证实了该研究方法可以完全克服以往笔迹鉴定中结体依存性带来的不足，大大缩小了辞书空间，对推广和完善本研究的实用性具有参考价值。     

基于汉字笔划骨骼运笔特征的特定对象笔迹鉴定的研究

本文论述了基于汉字笔划骨骼运笔特征的笔迹鉴定的方法。实验以汉字中抽取的基本笔划为研究对象，并提取反映各行笔部运笔的骨骼特征，以形成多维持征空间，在特征空间中确定鉴定对象的分布后，计算它与辞书中各书写者位置间的广义距离来实现笔迹的鉴定。判断鉴定对象是否自出于原书写者的方法即为特定对象鉴定法，该方法采用对十位书写者、八种基本笔划，每种笔划十个样本进行测试，结果显示对于单一笔划和笔划组合取得了令人满意的鉴定率，对推广和完善该实用性的研究具有参考价值。     

基于笔画特征的在线笔迹匹配算法

针对现有在线笔迹匹配算法鲁棒性不强的问题，本文提出将合并规则和跳跃规则引入到动态规划的迭代过程，以跳跃规则应对书写中的多、漏笔现象，以合并规则应对因多种书写不一致造成的分割点多提取、漏提取现象.在累计差异矩阵计算中，提出以笔画特征，特别是笔画形状信息来度量笔画间的差异.在SVC2004和SUSIG签名数据库上与现有主要在线笔迹匹配算法进行比较.实验结果表明，本文方法能较好应对多种局部书写和分割的不一致，从而获得更准确、鲁棒的笔画对应关系.     

具有智能交互学习能力的机械臂写字系统

基于Uarm机械臂构建了一个学习人类写字顺序的机械臂智能写字系统,该系统首先具有对陌生汉字的自动笔画拆分和书写能力,然后基于语音对话和图像分析技术,能够根据用户教授的笔画和笔顺来学习汉字的正确书写方式.首先,系统根据输入的语音信息以及摄像头观察到的文字的图像信息,获得用户想要写的关键字及对话意图;然后通过对摄像头看到的图像信息进行分析,对检测到的汉字进行自动笔画拆分和笔顺提取,对于正在教授中的字,跟踪笔迹顺序,学习汉字笔顺的正确写法.通过对话管理,机械臂会以对话的形式进行书写反馈并与用户交互,学习人类书写顺序并实现正确书写.通过实验分析及测试者主观评测,该系统取得了不错的评价.     

基于文字书写教学的字母连写笔画分析方法

字母连写智能指导是文字书写教学系统重要研究内容。针对字母连写笔画结构复杂多变,单体字母书写笔迹分析方法无法直接套用于字母连写笔画分析的现状,提出基于图域时域关键点分割笔画的字母连写笔画分析方法。分别从图域、时域提取关键点;融合两域关键点;按二次曲线等三类标准曲线笔段,在两域关键点向量中进行笔段分割;通过与三类标准曲线的拟合建立笔段系数向量模板;依据实写笔画的各类关键点与系数向量重构的拟合曲线的贴近度实现连写笔画分析。实验表明,该方法关键点误提率、笔段误提率、实时跟踪时间及贴近度等重要指标均满足实用要求。     

基于笔段结构的手写体数字字符笔迹顺序信息重构

提出基于笔段结构的手写体数字字符笔迹信息重构方法.首先采用改进的特征点提取算法,准确快速地从骨骼图像提取完整的特征点集合,从而保证了可靠的字符笔段结构恢复,并根据笔段结构图构建笔段关系图.在本文基于笔段的笔迹重构方法中,笔迹重构实质上就是笔段的排序问题.将笔迹重构视为一个全局最优问题,采用总体方向变化最小路径重构书写笔迹.该问题通过搜寻最小代价Hamilton路径来解决,等同于解所构建图中的旅行售货郎问题.在UCI测试集上的实验表明,本文方法对于手写体数字字符的笔迹重构是有效的.     

基于特征融合的维吾尔文笔迹鉴别

针对采用纹理方法鉴别维吾尔文不稳定的问题,提出一种与文本无关、特征融合的笔迹鉴别方法,融合的特征包括网格窗口微结构特征和笔迹曲向特征。所提方法从笔迹原始图像提取笔画边缘,对笔迹的边缘图像建立大量局部窗口模型,通过扫描边缘图像获取融合特征结构的概率密度分布,使用多种距离公式计算概率密度向量间的距离。在实验笔迹容量大小为80的笔迹库上进行实验得到的鉴别率为89.2%。所提方法能很好地刻画笔迹的局部书写变化趋势和笔画的曲向,采用概率密度分布来统计笔迹的网格窗口微结构特征和曲向特征,鉴别效果达到了预期值。     

汉字联机手写建模方法

为了解决手机的汉字联机识别,我们提供了完整的解决方案。先定义了一套六组基本定义,形成一种特殊的但是很简单的图形描述方法。将汉字楷书的常用字的笔画,进行统计归纳归类,找到有限的笔画组成。使用基本定义,描述楷书的独立笔画,这些描述是互不相同的。回避了传统的复杂的二维图形学的方法。经过穷举法验证,几乎每个常用汉字的拆解的内容,都互不相同,所以从逻辑上可判定这种方法是有效的。也提供并公布对汉字行书、草书的部分解决方案。形成了一个手机汉字连笔识别的体系。     

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。     

完全基于结构知识的汉字笔画抽取方法

从汉字结构知识出发,提出了一种从汉字图像直接抽取笔画的算法,给出了抽取横、竖、撇、捺４种笔画的完全量化的昨去除不同字体的笔画修饰噪声的规则,该方法较好地解决了各笔画的相交、相连及噪声排队等总理２,综在汉字识别及字体自动生成等汉字信息处理方面有重要作用。     

手写体汉字特征分析

本文采用结构方法研究汉字手写体识别。通过对手写体汉字结构特征和书写特点的研究，我们发现，以直划和折划来表征笔划特征，以相交字元和基本字元来表征汉字结构特征，大大降低了结构方法中决策判断串行的程度。     

基于候选特征笔画和多类阈值的手写汉字切分

通过分析汉字的常见结构,鉴于汉字与汉字之间的距离和构成汉字的部件之间的距离的显著差异性,提出一种基于候选特征笔画和多类阈值的手写汉字切分方法.首先从构成手写汉字的笔画集合中提取候选特征笔画,根据候选特征笔画将手写汉字预切分,然后利用基于间距阈值的部件组合规则对过切分的汉字部件进行组合,最后采用基于单字宽度阈值的粘连汉字判断规则搜索粘连汉字,对粘连汉字进行递归切分.实验表明,该方法对连续手写汉字的切分准确率较高,具有一定的实用性.     

对联机手写汉字识别技术的研究——实现笔画识别

联机手写汉字识别(OLCCR)，是指用笔在图形输入板上写字，人一边写，机器一边认，是一种方便的汉字识别手段。在各种自动识别输入的方法中，OLCCR是能够代替或部分代替人工编码输入的惟一可能的方法。识别中主要是两方面的问题：建立汉字识别库和手写板上笔画轨迹的识别。文中就第二方面即手写笔画识别的问题进行了全面的研究，采用笔画基元帮助分析笔画轨迹，并用可视化编程工具Visual C 6.0实现了基于这种方法的笔画识别过程。     

从细线化汉字图像生成任意倍率汉字

本文提出了一种对汉字作任意倍率放缩的算法。该算法先对印刷体汉字作细线化处理，抽取笔划特征点。然后，分割和提取笔划。任意倍率汉字生成是通过变换函数。改变特征点位置，再附加原探察到的笔划修饰来实现的。实验表明本算法是有效的。     

基于弹性笔画长度的汉字笔画平面抽取及识别

针对手写体汉字识别过程中的特征抽取，提出了一种改进的抽取笔画平面的方法。首先，将手写汉字图像进行非线性规一化；然后，利用弹性笔画长度，根据汉字的横竖撇捺四种笔画分别抽取出四种笔画的平面；最后，将四个笔画平面分别均匀划分成S×S个小网格，在每个小格内计算其笔画交叉数目，便得到了一个4S2维的特征向量。实验利用基于最小距离的分类器对含有7600（19类）个汉字的测试集进行了分类，取得了较好的识别效果。     

T形汉字码输入法

T形汉字码输入法的提出,目的是提供一种易学易用、汉字部件规范直观、取码规则合理、重码率低、能够高速盲打或听打的计算机汉字编码输入法。它由拼音码和形部编码两部分组成,形部编码优选28个左右的多笔画部件和5种基本笔画,形部编码的取码规则规定为:左右结构的汉字,分别按书写顺序取该汉字的左部和右部的第一个基本部件的代码进行编码;非左右结构的汉字,按书写顺序取该汉字的第一个和最末一个基本部件的代码编码。