利用笔道关键点识别联机手写体字母—数字字符

所有的字母－数字字符都和不同形状和位置的笔道按一定风格书写而成。在一台数字化仪上书写的一个联机手写体字符是由一系列笔道构成的。     

基于模板的连机字符识别方法

手写体字符在日常生活中普遍应用,同时也是一种有用的机器输入方式。模板匹配分类法能分类单个字符或词。本文,我们介绍一种基于模板的连机字符识别方法,大量具有代表性的模板会作自动判决。这些模板代表一个特定字符的不同书写风格,它们也可作为判决树的一种高效分类。在296MHz的Sun Ultra Sparc机上,对一组17,928个字母数字（共36种：10种数字,26种字母）的测试,其识别率超过8字符／秒,并取得了86．9％的正确率。     

基于矩阵模型的中文书写文本图表的提取和分割

本文论述了基于矩阵模型的中文书写文本图表的提取和分割方法。书写文本为行式书写的字符，其中包括手写体字符和图表。每行由在同一线段上的字符组成。支本与图表的行、相邻的字符有关。如果可以从图表中提取，就可识别这些字符线段以及相关的图表，也可识别行、列排序的标题、子标题和字符部件。实验显示，本文的方法具有较高的效率。     

组合结构特征的自由手写体数字识别算法研究

自由手写体因其书写风格差异大、上下文无关及识别准确度要求高等原因导致其识别难度大的问题。针对手写体数字识别的特点及要求,提出一种新的基于组合结构特征的自由手写体数字识别算法。通过扩展的字符结构特征识别算法自动、鲁棒地提取手写体数字字符端点、分叉点、横线等多种结构特征,并组合应用这些结构特征构造决策树完成手写体字符的自动识别。实验结果表明基于组合结构特征的自由手写体数字识别算法的鲁棒性和识别率明显优于传统方法。     

手写体词组识别中自适应分害虫法的应用

迄今为止，手写体字符识别的研究已集中在单词和词组的识别上，词组通常由单词连接而成，其关键基元能增强单词识别器的作用。本文，我们对词组中的单词以及识别处理方式提出了一种优于间隔位置的分类法，它是一种新颖的方法。在处理方式上，单词分割检测适用于特殊的书写风格，参数取决于部件是否为“中间单词”间隔或“中间字符”间隔的特殊间隔关系的计算，而不必采用大量的训练装置。相反，它能调整间隔的分布，以代替词组图象的检验。文献中的方法是在不考虑词组中单词间隔对语义的影响下提出的，并与本文的方法作了比较。实验显示，识别率可改善5％。在大约1400个词组图象的分割中，其误分割仅为2％，其余均为正确的单词分割点。     

基于BP神经网络的多样本手写体字符识别

手写体字符识别是人机交互领域的一个重要内容,本文基于BP神经网络实现了任意数量字符模版的多字符手写体字符识别。分为以下几步,第一,首先对目标图像进行识别前预处理。包括灰度图像二值化、图像孤立像素滤波、图像膨胀、腐蚀、按字母最小行分割、按字母最小列分割、图像紧缩、归一化等;第二,用处理好的多个样本进行BP神经网络训练。包括BP网络参数的选择、目标结果构建、输入到结果的映射即用样本库进行神经网络学习机的训练;第三,待测字母的识别。包括对图像预处理、字符提取、归一化和送入已训练好的BP网络进行识别。该系统最终实现了95%以上的手写字符识别正确率,有一定的借鉴意义。     

手写体数字的识别

本文针对煤气储存罐体上高度的手写数字,由图象传感器获取十个数字手写体的图象信号进行数字识别,依据手写体字符“有效行”的特征提取,提出了并列的双BP神经网络的识别方法,对手写体数字的识别获得了较好的辨识效果。     

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。     

基于神经网络的手写体汉字识别实验系统

基于神经网络的手写体汉字识别是将汉字点阵图形转换成电信号,然后输入给数字信号处理器或计算机进行 处理,依据一定的分类算法在众多汉字字符中找出和它相互匹配的汉字字符。本文阐述了手写体汉字识别实验系统的设计目 标,分析了手写体汉字的预处理及其原理,详细介绍了手写汉字的特征提取。     

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。     

采用结构特征分割粘连的手写体数字对的识别方法

本文提出了基于轮廓结构特征分割粘连的手写体数字对的识别方法。选择四种类型的间断点取决于字符间断点的连接和分析后获取的字符轮廓以及六种粘连形式。最后，通过选择分割组合检验，将减少粘连手写体数字对的间断点。此方法的主要优点是，可在多种假设条件的识别中进行可靠的分割组合。通过分割组合检验，减少了基于传统分割识别方法产生的分割误差。根据本文提及的方法，我们采用NIST SDl9数据库中3500个粘连的数字对进行实验，取得了92．5％的识别率。     

基于整体特征的快速手写体数字字符识别

该文通过模拟人眼识别数字字符的过程,提出了一种基于字符整体特征(凹凸特征)的快速手写体数字字符识别方法。该方法不需要对字符图像做复杂的细化处理,减少了细化形变可能带来的误识和拒识;也不需要进行复杂的笔道特征分析,因此速度非常快。同时,由于不同人书写的数字字符的整体特征都相同,因此该方法的识别率也非常高。     

脱机手写体文本行的外部单词分割

本文叙述了将非限制性手写体文本行分隔成若干个单词的技术途径。在书写风格不受约束的情况下、识别单词的各字母可能非常困难，所以、在应用识别算法之前，必须把字母组合成单词。本系统采用传统算法来确定珩中各个字母章的距离，并检测全部标点符号。     

变形变换及其在手写体汉字整形中的应用

提出了一种新的一维变形变换方法并将之应用于手写体汉字的整形变换。尽管不同书写风格的同不类手写体汉字存在较大的随意性，但它们的拓扑结构是一致的，因此可将手写体汉字看成是一种可变形物体。通过选择适当的变形参数，该变形变换可以将一个汉字变形为24种不同的收写风格，利用一个变形系数可控制各种风格的变形程序。该变形变换可以矫正手写体中偏左、偏右、偏上、偏下、偏胖、偏瘦等各种位置变形，从而达到对手写体样本进行非线性规范化处理的效果。实验结果表明，手写体汉字经变形变换后，识别率可提高大约1．5％左右，显示了本文所得算法的有效性。     

基于实值Gabor能量特征的手写体维文字符识别

提出了一种基于实值Gabor滤波器手写体维吾尔文字符特征提取算法.将手写体维吾尔文字符图像进行滤波处理之后,在将图像进行分决,提取出每一块的实值Gabor能量值.由这些能量值形成一个能量矩阵,将矩阵降维之后得到字符的特征相量.完成特征提取后,使用KNN识别分类器进行识别.对手写体维吾尔文单字符数据库中的样本分别进行基于实值Gabor能量特征的手写体维吾尔文字符特征识别和字符笔迹特征识别.对KNN分类器识别的平均识别率和平均候选识别率进行了数据分析.实验结果表明,该算法简单有效且识别率比较高.     

基于主曲线算法的手写字符特征分析与提取

模式特征的提取与选择是提高手写体字符识别率的关键因素。主曲线是主成分分析的非线性推广,它是通过数据分布“中间”并满足“自相合”的光滑曲线,能够很好地描述数据分布的结构特征。利用软K段主曲线算法提取训练数据的特征,在分析手写体字符结构特点的基础上,选出手写体字符识别所使用的粗分类与细分类特征,利用这些分类特征对手写字符进行识别。该方法在CEDAR手写体数字和字符数据库上的实验表明：选取的分类特征能够有效区分相似的手写体字符,提高手写字符的识别率,为脱机手写字符识别研究提供了一种新的方法。     

支票大写金额的印刷体与手写体辨识

针对银行支票大写金额识别工作中的手写体和印刷体辨识，抽取了4组分类特征，较好地体现了印刷体字符和手写体字符的区别。并且在构造分类器时，介绍了求取各分类特征对识别结果影响大小的权值向量的方法。在银行提供的大量真实票据上进行了验证，并且应用于实际的银行自动支票处理系统，取得了很好的效果。     

基于卷积神经网络和Transformer的手写体英文文本识别

手写体文本识别技术可以将手写文档转录成可编辑的数字文档。但由于手写的书写风格迥异、文档结构千变万化和字符分割识别精度不高等问题,基于神经网络的手写体英文文本识别仍面临着许多挑战。针对上述问题,提出基于卷积神经网络（CNN）和Transformer的手写体英文文本识别模型。首先利用CNN从输入图像中提取特征,而后将特征输入到Transformer编码器中得到特征序列每一帧的预测,最后经过链接时序分类（CTC）解码器获得最终的预测结果。在公开的IAM（Institut für Angewandte Mathematik）手写体英文单词数据集上进行了大量的实验结果表明,该模型获得了3.60%的字符错误率（CER）和12.70%的单词错误率（WER）,验证了所提模型的可行性。     

基于规则的连机英语字符笔迹标识的修正

近来，许多基于书写的方式使人们自然书写的数字笔迹输入成为可能。通常，书写时的污点或修改不仅使文本受污，而且看上去也不舒服，还影响到手写体的识别。本文首先论述笔迹修正的问题。我们提出了去除污点和修改笔迹的修正系统，使文本变得清晰、可识别，以改善手写体的识别率。基于规则的算法可处理大部分如单一笔划的同一笔划重复涂写、笔划间的中间部分重复涂写、改错、修改、插入以及书写顺序错误等情况。实验结果显示，该系统对笔迹标识的修正是有效的，并有希望改善其识别率。     

学习型的手写体字符系统：计算问题

本文介绍了手写体字符系统的基础理论以致力于帮助初级者学习书法。文中应用了运动学理论中有关人体快速移动的知识，该系统包括一个字符模型产生器，用来产生字符的形态。系统通过对手写体字符多层次的分析后以馈给使用者。本文涉及如何处理图形的一致性、错误图形的识别、快速分析和运动学参数求值等问题。其中讨论怎样流畅地测量和误差量化问题也是非常有用的。