一种基于Delaunay三角化的笔划分割算法

字符笔划在字符识别等领域中存在广泛的应用。针对字符图形的骨架化及笔划提取，本文提出了一种基于动态约束Delaunay三角割分的算法。该方法首先通过对字符的轮廓多边形进行三角剖分，生成一系列具有拓扑关系的三角形．再根据三角形的三种类型生成各三角形骨架，并连接为整个字符的骨架。然后定义了骨架的平滑度函数及分支长度阈值，消除了畸变分支，并根据得到的骨架进行笔划分割。实验结果表明，该算法具有快速稳定的特点且鲁棒性较好。     

一种基于Delaunay三角化的笔划分割算法

字符笔划在字符识别等领域中存在广泛的应用。针对字符图形的骨架化及笔划提取,本文提出了一种基于动态约束Delaunay三角剖分的算法。该方法首先通过对字符的轮廓多边形进行三角剖分,生成一系列具有拓扑关系的三角形,再根据三角形的三种类型生成各三角形骨架,并连接为整个字符的骨架。然后定义了骨架的平滑度函数及分支长度阈值,消除了畸变分支,并根据得到的骨架进行笔划分割。实验结果表明,该算法具有快速稳定的特点且鲁棒性较好。     

基于形状分割的手写汉字笔划提取方法

笔迹鉴别的目的是区分不同的书写者,而笔划提取是笔迹鉴别的基础。本文提出了一种用于笔迹鉴别的手写汉字笔划提取算法,该算法定义了凹凸点与四种基本笔划相交类型的对应关系,通过字符图像轮廓上的凹凸点检测来确定笔划相交区域和相交类型;接着,在各个相交区域上,根据其笔划相交类型进行形状分割;最后,用对笔划轮廓两侧对应点进行跟踪的方法来进行细化。我们将该算法与基于细化和基于段化的笔划提取算法进行比较,实验结果表明,该提取算法具有比较高的准确率和有效性,因此本文提出的基于形状分割的手写汉字笔划提取方法具有较高的可操作性和实用价值。     

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。     

一种基于骨架的篆字笔划分割方法

依据篆刻艺术的特点,提出一种从篆字骨架中分割出笔划的方法。通过图像细化方法提取篆字的骨架图;分 析骨架图中笔划的交又点和交叉区域,得到特定篆字的子笔划;在各交又区域内利用模板匹配方法组合子笔划得到篆 字笔划。通过实验证明,上述方法对分割篆字笔划具有一定的效果。     

航空显示信号自动测试技术研究

讨论了航空显示信号的自动测试技术,给出了在采用任意波形发生器、视频信号发生器等ATE通用仪器资源产生光栅笔划显示信号时,根据TTF字形轮廓数据产生字符笔划信号的方法.     

基于轮廓特征的HMM手写数字识别

在手写数字识别中,边界链码和环构成了对字符轮廓的完整描述。针对手写数字的特点,建了24种笔划。首先将样本边界链码转化成由24个笔划组成的特征值,再加上环特征,构成整个特征值。然后利用隐马尔可夫模型（HMM）对提取的特征值进行分类识别。首次将字符轮廓特征应用在基于HMM的手写数字识别中,在识别MNIST字库上,取得了92.2%的识别率。     

一种现代藏文笔段提取算法

针对藏文字符笔段的几何特征和拓扑结构,本文提出了一种基于字符轮廓信息的藏文笔段提取算法:通过链码跟踪的方法得到笔段轮廓的点列,然后从点列中提取特征点并利用特征点切分出笔段,最后用笔段的轮廓线代替骨架线来表征藏文的笔段。本算法用于印刷体藏文笔段提取,取得了良好的效果,避免了传统细化算法所造成的畸变,提高了笔段提取的抗干扰能力,并减小了计算量,加快了特征提取的速度。     

用于联机手写体字符识别的贝叶斯网络的笔划模拟及其相关性

本文针对清晰的笔划模拟和字符的相关性提出了贝叶斯网络的构架。字符模型由笔划和点组成。点在X-Y方向上具有二维的高斯分布，相应的点和笔划之间存在位置的对应关系。在贝叶斯网络中，所有的模型及其相关性用概率表示。联机手写体数字的识别实验显示了预期的结果：通过相关的模拟，系统的误识率大为减少，识别率要高于当前采用的这些方法。     

退化字符图象的骨架法形态分析识别方法

基于模糊集合的退化字符图象的骨架法结构形态分析识别方法,可直接应用于退化字符的模糊图象或灰度图象,因此对噪声不敏感,而对笔划缺损字符可正确地提取整个骨架;处理连体字符时能根据骨架的形态结构特征较容易地确定切分位置,经修剪算法对各切分点的处理,被分离的字符骨疔直接通过分类器而不必再作进一步处理。     

基于笔划特征的单字符汉字字体识别

在文档电子化的文本自动分析、理解和识别过程中,除了有关文档内容的字符识别外,还必须解决字体识别问题.字体识别不仅是版面分析、理解和恢复的重要依据,还有助于实现高性能字符识别系统.有别于目前基于多个字符组成的文本块的字体识别方法,本文提出了一种基于单个汉字字符的字体识别方法.在单个汉字字符上提取两类特征:笔划属性特征和笔划分布特征,分别构成两个分类器对单个汉字字符进行字体识别,并集成两个分类器的结果得到最终的识别结果.我们使用的笔划属性特征分类器是文本无关的,而笔划分布特征分类器是文本相关的,集成的分类器属于文本相关的字体识别分类器.我们在包含7种字体的样本集上进行了测试,测试结果显示基于单字的字体识别率达到94.48%.     

一种女书手写字符规范字形自动生成方法

中国女书是具有鲜明民族特色的文字,目前国内还没有公认的女书规范字库。针对手写体文字规范化字体生成过程多采用人工修正方式、效率低下的现状,该文设计了一种女书手写字符规范字自动生成方法。基于手写文字样本,提取其单像素骨架,并结合字符轮廓信息进行骨架畸变点校正;然后提取骨架特征点和笔段,根据笔段连通性和交角情况建立笔段关联矩阵;基于笔段关联矩阵由笔段恢复笔画,获取笔画路径关键点序列;最后基于三次Bezier曲线重绘字符笔画并均匀加粗,形成笔画粗细一致、平滑无毛刺、无畸变的规范字体。实验结果表明,该方法自动便捷,效果良好,效率优于人工方式,经改进后可以推广到其他手写字符的规范化过程。     

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。     

细化字符断裂笔划修补方法的研究

本文通过对细化字符中断裂笔划的分析,提出了修复字符笔划断裂区域的一套模板和插值修补方法。实践表明,这种处理方法是有效的。     

基于笔划描述的样条汉字库及其应用

轮廓法描述汉字字形是实现高质量，低成本汉字输出的重要途径，西方提出了一种基于笔划抽取的方法来获得汉字字形的样条轮廓描述，使得汉字字形的描述质量大为提高，且数据量较少，基于笔划抽样的样条汉字库可应用于汉字字形的衍生，自动变体和动态汉字库的生成。本文对笔划抽取方法进行了详细介绍，另外还对拟合过程中初始分段点的确定，取样点的选取，轮廓数据的平滑处理等问题进行了探讨，取得了较好的拟合效果。     

基于蚁群算法的现代藏文字符轮廓提取技术研究

由于对字符提取骨架往往会失去受污损部位的重要信息,因此本文提出了一种基于蚁群算法的现代藏文字符轮廓提取算法,旨在用字符的轮廓线代替骨架线来表征字符。本算法用于印刷体藏文轮廓提取,取得了良好的效果,避免了传统细化算法造成的畸变,提高了轮廓提取的抗干扰能力,并且减小了计算量,加快了特征提取的速度。     

基于视觉显著性的层次形状分解方法

形状分解是形状理解与分析的重要基础.在充分理解人类视觉特性的基础上,联合形状骨架与轮廓特征构建了一种视觉显著性度量即视觉显著度,并提出一种基于视觉显著度的层次形状分解方法.首先采用基于距离变换的骨架生成方法获取目标骨架,之后利用骨架分叉点生成所有候选分割线,最后通过分叉点对应的内切圆半径以及轮廓段的视觉显著度对分割线进行优选获得最优解.实验结果表明,该方法对噪声、形变具有较好的鲁棒性,分解结果符合人类视觉习惯;此外,通过调整显著性阈值可获得不同尺度下的细节分解结果,具有更好的灵活性.     

汉字黑体字形衍生系统的设计与实现

计算机在电子印别、广告、包装等领域应用的迅速扩展迫切需要众多的高质量的曲线轮廓汉字库。本文介绍一种通过黑体笔划中心线抽取、笔划轮廓切割、笔划粗细变换、曲线拟合等处理技术来自动生成一族具有黑体风格、但笔划粗细不同的字形的方法。该方法具有低成本、高效率和高质量等特点。     

基于轮廓信息的汉字笔道抽取算法

本文提出了一种新的笔道抽取算法,它集成了所有层次的轮廓信息,包括边界点,支配点,拐角点,段,横截面序列图和字符结构来抽取汉字笔道。在这个算法中,首先抽取边界点,其次检测支配点和拐角点,然后构造包括根据轮廓信息抽取的单一和规则匹配以及横截面序列图（ＣＳＳＧ）的字符结构,最后用Ｂｅｚｉｅｒ曲线检测笔道的连续性。