实验性6763个印刷体汉字识别系统

本文提出一种识别国标两级(6763个)印刷体汉字的新方法。根据汉字的结构,定义了一组结构特征(边框特征、局部特征和笔划端结点),作为预分类和匹配、识别的依据。 建立了一个识别6763个汉字的实验系统。实验结果表明,系统具有较高的抗干扰能力,正确识别率优于98％。     

印刷体字符的识别方法

本文以字符在各象限的端点数和转动惯量为识别特征,并利用邻类兼容和多级分类来识别印刷体字符。这种方法具有较强的区分相似字符的能力。本方法在C-4500数字图象处理机和FELIX-C512电子计算机组成的系统上做了实验,对6000个印刷体汉字的识别取得了令人满意的结果。     

识别印刷体汉字的轮廓笔划码序列法

本文提出了一种识别印刷体汉字的新方法——轮廓笔划码序列法。首先,运用修改的Ullmann边缘跟踪算法跟踪整个汉字边缘轮廓,得出链式方向码序列;其次,给出一种适用于汉字识别的高曲率点的定义及检测方法;最后,介绍产生轮廓笔划码序列的步骤。本文还通过对具有代表性的四十个汉字的计算机模拟,和在带有图象扫描系统C1000的Cromemco微型计算机系统Z-2H上的实际扫描实验,表明了轮廓笔划码序列法具有占用内存小、抽取特征准确方便、计算量少、有一定的抗干扰能力等优点。这种方法对于建立实用的印刷体汉字识别系统具有一定的指导意义。     

小波变换在手写体汉字识别中的应用

汉字识别中的结构类特征具有抗变形的优点，合适做为手写体识别过程使用，但其中笔划特征的提取非常困难。本文用小波变换这一图象分析中有力工具对汉字图象分析处理之后，再进行笔划的提取，其过程简洁、明晰。     

基于笔划间距分类的自适应提取单字方法

单字提取是连续手写中文识别的前提。给出了一种基于笔划间距分类的自适应提取单字方法。该方法计算时间上相邻笔划的水平间距，利用直方图对笔划间距进行分类，先得到属于同一行的笔划集合，然后再对同一行的笔划进行间距分类，从而得到属于同一个字的笔划，实现单字提取。利用直方图对笔划间距进行二分类，对字的大小具有较好的适应性。以单字宽高比为分类终止条件。测试结果表明该方法对连续手写中文具有较好的分割效果。     

识别联机手写体汉字的多级分类方法

本文提出了一种基于笔划的联机手写体汉字多级识别方法，包括拐折码笔划识别方法和笔划位置的模糊匹配方法，拐折码法具有笔划识别率高，对笔划变形的容忍度大，计算简单等特点，笔划位置匹配法不要求笔顺，对书写者的限制比较少，本方法对国标二级汉字的识别率为95％，不要求笔顺，识别速度达到实时要求。     

用内码转换法解决按姓氏笔划排序问题

提出了一种新的汉字内码表－－“姓氏笔划排序内码表”。利用此表进行内码转换，在不增加系统及操作者额外负担的前提下，解决按姓氏笔划排序问题。给出的新码表和算法可用于众多汉字ＭＩＳ系统中。     

基于笔划提取和合并的离线手写体汉字字符切分算法

手写体汉字字符切分是离线汉字字符识别预处理中的一个重要问题，针对离线手写体汉字，提出一种基于笔划提取和合并的手写体汉字字符切分算法。该算法首先基于方向游程提取汉字的笔划，并建立笔划框，再根据汉字笔划的结构知识对笔划框进行合并，得到字符的切分结果。该算法能较好地解决粘连汉字字符的切分问题，对从现场随机采集的2500封手写体信函地址汉字进行切分，单字正确率可达91．5％。     

动态兼容线性分类法识别印刷体汉字

本文针对目前汉字识别中两个关键问题——特征的选择和识别方法进行了较深入的研究。提出了利用动态兼容线性分类法实现一个印刷体汉字识别实验系统。在分类中,采用了质量等十一种特征。其中四象限投影脉冲恃征,八象限特征,十六象限0—1特征和四方向微分特征是本文提出和修正改进的。本文还提出了动态兼容线性分类法和识别字典自动完善的方法。利用上述方法在微机上构成了一个实验识别系统。对3000个加有随机噪声的标准汉字进行了识别,经过训练后识别率可达98.5％,识别速度平均每字0.4秒,收到较好效果。     

基于BP神经网络算法的车牌字符识别系统设计

构建车牌字符识别系统,并对系统中BP网络反传学习速率进行改进,提高了识别率并降低学习时间;在特征提取上针对汉字综合采用非均匀网格特征和外围特征提取法,字母与数字采用均匀粗网格特征加笔划密度特征提取法,优化了系统的识别精度并提高了识别速度.采用BP算法增强了车牌识别的容错性、鲁棒性.     

基于部件特征的分类方法及在汉字识别中的应用

文章针对汉字的特点，选取一定的轮廓加权值为部件特征向量的度量，提出了一种基于部件特征的特征提取方法。并根据部件的特征和属性，采用ID3算法训练出一个决策树。结合ID3决策树和模糊逻辑的概念，采用粗分类和精分类两级分类判别的方法，首先利用每个部件的权值将部件细分成可处理的小组，然后分析待识别的汉字字符属于哪个不可再分的小组，从而提高了汉字的识别速度和识别效率。     

统计特征在联机手写汉字识别粗分类中的应用

以统计模式识别的理论为指导,在联机识别手定汉字的粗分类过程中,提出直接对联机笔迹坐标序列操作,进行数据的处理,然后提取笔划的统计特征作为粗分类的依据,用Ｋ均值聚类方法进行聚类,生成分类树。通过对１００套３７５５样本５０类别数的测试,正确分类率达到９６％,平均粗分类时间为每字０．０３秒,平均匹配字数为６２３字,取得了较为满意的粗分类结果。     

取汉字笔划的特征点来识别联机手写汉字

本文介绍一种如何取得汉字笔划特征点并对特征点进行处理的方法。在实际产品形成中使用了此方法，证明这样的处理简便、可靠。在联机手写识别过程中，对提高识别速度提高识别准确性起到良好效果。     

基于SVM的多特征手写体汉字识别技术

针对传统的模板匹配法对汉字的识别率较低,文中提出一种基于SVM的多特征手写体汉字识别技术。在提取网格特征的基础上增加对汉字质心特征、笔划特征、特征点的提取,并采用SVM算法构造分类器,实现对手写体汉字的识别。实验结果表明,该方法的平均识别率为95.9%,高于传统的模板匹配法。     

一种联机手写算术表达式识别系统

该文介绍了一个完整的联机手写算术表达式识别系统。在笔划分组与符号识别方面,采用预处理结合搜索的方法优化置信度函数;在结构分析方面,提出了一套全新的基于符号分级的算法,并利用三叉树这种数据结构存储识别结果。实验表明,对于书写较为整齐的算术表达式,此系统能够对较复杂的结构予以正确率较高的分析与识别。     

基于压缩感知的阅卷系统手写汉字识别算法

针对阅卷系统中手写汉字识别率和识别精度低的问题,文中提出一种基于压缩感知理论的阅卷系统手写汉字识别算法。该算法首先对阅卷系统手写汉字图像进行随机采样得到其特征;然后对其进行稀疏表示,并最小化其l1范数以得到样本的稀疏解;最后利用该稀疏解的系数判别测试样本的类别。该方法用对信号的随机采样替代了传统的特征提取方法,简化了算法的实现过程,同时用现有的训练样本组成训练字典,避免了复杂的训练过程。该算法在手写汉字数据库ETL9B上的识别率达到99.1%。     

取汉字笔划的特征点来识别联机手写汉写

文章介绍一种如何取得汉字笔划特征点并对特征点进行处理的方法。通过在实际产品形成中使用了证明其处理简便、可靠。在联机手写识别过程中，对提高识别速度、提高识别准确性起到良好的效果。     

汉字的分形性及其计盒维数的统计分析

本文首次把分形理论用于研究汉字，实验显示出汉字具有分形特性－标度不变性，在此基础上，本文对国际一级字库３７５５个汉字的分形维数－计盒维数进行计算统计，得到了其统计分布规律，实验结果表明，计盒维数较好地反映了汉字笔划，结构的繁杂程度和不规则性，这些新的发现表明将分形理论用于汉字信息处理（识别，压缩，笔迹鉴别等）具有巨大的潜力和应用前景。     

基于子块特征及其相关模糊特征的手写体汉字识别方法

根据汉字笔划分布特点及拓扑结构的相关性,提出了一种子块及其相关模糊特征的提取方法。该方法使特征向量的信息量增加,特征相对稳定。对限制性手写体汉字的初步实验取得了较满意的效果     

元码汉字输入法的使用

提出了汉字按六种基本笔形归类的新思路，设计出了按笔划（字根）读音和该汉字读音元素之首字母编码的新方案，并设计了几种便于学习使用的辅助输入法，巧妙地解决了汉字输入重形轻音，形声脱节的关键难题，可广泛应用于各类中文信息处理系统之中。