基于数学形态学的脱机手写体汉字识别方法

笔画特征是一种有效的脱机手写体汉字的识别特征,但是笔画细化往往会造成字体的变形,提出一种无需细化预处理的笔画特征提取方法,通过数学形态学中的腐蚀、膨胀等运算,采用不同的、具有自适应性的结构元素对汉字图像进行笔画分解,并利用弹性网格提取其方向特征,最后使用广义K L变换对特征向量的维数进行压缩,去除冗余信息。实验结果验证了本方法的有效性。     

几种手写体汉字网格方向特征提取法的比较研究

近年来,网格方向特征已广泛应用于许多手写体汉字识别系统中,并认为是目前较成熟的手写体汉字特征之一。网格技术和方向分解是网格方向特征的两个关键技术。方向特征提取方法有许多种并各有优劣。对几种方向特征提取方法进行了比较研究,对其中一些方法进行了改进,并将我们提出的局部网格的划分方法应用到这几种方向分解特征的提取上,取得了较好的识别效果。     

基于数学形态学的手写体汉字细化方法研究

提出了一种基于数学形态学的细化方法,该方法使用结构模板的方式对字符图像进行细化,并针对原有细化方法产生的细化不彻底现象,对原结构模板进行了改进。在常用细化结构模板的基础上,新增了几个结构模板,较好地解决了细化不彻底的现象。实验证明,细化后的图像保持了原图像的连通性并达到了很好的细化效果。     

几种手写体汉字网格方向特征提取法的比较研究*

近年来,网格方向特征已广泛应用于许多手写体汉字识别系统中,并认为是目前较成熟的手写体汉字特征之一。网格技术和方向分解是网格方向特征的两个关键技术。方向特征提取方法有许多种并各有优劣。对几种方向特征提取方法进行了比较研究,对其中一些方法进行了改进,并将我们提出的局部网格的划分方法应用到这几种方向分解特征的提取上,取得了较好的识别效果。     

基于归一化背景方向特征的脱机手写汉字识别

对4方向背景方向特征进行了改进,提出了8方向背景特征描述方法。与4方向背景方向特征描述方法相比,改进后的特征描述方法可以从0°、45°、90°、135°、180°、225°、270°、315°共8个方向来对汉字图像进行考察,从而进一步提高描述的精度。此外,为了消除笔划粗细的影响,还对背景方向特征进行了归一化处理。实验结果表明改进后的归一化8方向背景方向特征具有更高的识别精度。     

基于HHT的脱机手写体汉字特征提取

提出了一种基于数学形态学方向笔画提取的希尔伯特一黄变换(HHT)方法,对脱机手写体汉字进行特征提取.通过对HHT得到的Hilbert谱和边际谱的分析,构成4维结构特征和32维统计特征,并对其进行特征融合后得到36维特征向量作为最终的识别特征.试验结果表明其识别率比单独使用Gabor变换、小波变换等方法的识别率高.在识别速度上虽然比矩变换、数学形态学等方法慢,但是比Gabor变换的速度有明显提高,比多方法特征融合的方法在速度上有一定提高.该研究表明HHT作为一种新的信号分析方法,可以被有效地运用于提取汉字图像的特征.     

联机手写汉字识别系统中特征提取方法研究

本文对笔划识别过程中提取关键点的重要性进行分析研究,介绍了提取拐点的两种常用的算法,并进一步结合这两种算法的优缺点,提出了二次检测的方法,使得系统提取拐点的准确度得到了进一步提高.实验结果表明,本文提出的改进方法具有很好的鲁棒性.     

一种手写体汉字特征提取新方法—小波变换及弹性网络技术的应用

利用小波分析方法将汉字图象分解为横、撇、竖、捺４个方向的分量,然后结合弹性网络技术,提出了进行了手写体汉字特征提取的一种新方法,实验结果显示此方法是行之有效的。     

手写体汉字扇形弹性网格特征提取的新方法

近年来,网格方向特征已广泛应用于许多手写体汉字识别系统中,并认为是目前较成熟的手写体汉字特征之一,网格技术和方向分解是网格方向特征的两个关键技术,该文提出了一种新的网格技术一扇形网格法,结合边缘方向分解技术^[1],构造了一种新的手写体汉字特征提取方法一扇形网格边缘方向分解特征,实验结果验证了本方法的有效效。     

手写汉字识别弹性网格Gabor特征提取方法的研究

结合弹性网格技术来对手写体汉字提取Gabor特征,并与基于非线性归一化的Gabor特征及传统的方向特征进行了比较研究,实验结果表明：提出的弹性网格Gabor特征优于非线性归一化Gabor特征,识别性能最稳定;弹性网格Gabor特征要明显优于传统的方向线数特征;不同的非线性归一化方法及归一化的图像尺寸对特征提取的性能有较大影响。     

基于数学形态学的甲骨拓片字形特征提取方法

甲骨拓片字形特征提取是对计算机辅助进行甲骨拓片复原、识别和断代等工作都非常关键的第一步。为了尽可能准确地把甲骨拓片从背景噪声中分离出来,首先对原始甲骨拓片图形进行预处理,然后再应用数学形态学方法对甲骨拓片进行图像处理和分析,提取出12项指标用于表现甲骨拓片字形特征,并构造了一个基于数学形态学方法的甲骨拓片字形特征提取系统。通过对《甲骨文合集》实验数据进行基于字形特征的甲骨拓片图像匹配验证,实验结果表明 数学形态学处理方法能有效地提取出较好地反映甲骨文字的笔画形态和结构的字形特征。     

一种基于数学形态学的汽车牌照提取算法

定位汽车牌照在车牌识别应用中是很关键的一步。作者提出一种基于数学形态学的新方法,以车牌宽度和高度,车牌字符高度及字间宽距等信息为依据来设计一种新的结构元,通过对汽车边缘图像进行形态学运算,能从图片中得到包含汽车牌照的侯选区域,最后基于汽车牌照纵宽比等固有特征,采用连通域体态分析,对包含车牌的多个侯选区域进行去伪,得到真正车牌区域。通过对大量汽车图片实验,验证了该方法的有效性。     

数学形态学的纹理图像分割方法

一幅图像往往包含许多区域,但在对图像的理解和分析时,往往只需要其中的某个部分。因此,为方便使用常需要对目标区域进行提取。从目标区域的整体纹理特征出发,根据纹理特征的不同多次使用数学形态学的基本运算,从而达到图像区域分割的方法。该方法通过一幅具有多种纹理图案的图像为例验证了方法的可行性和有效性。运用canny算子对该图像进行边缘检测,从检测的结果可看出,该方法优于基于边缘检测的图像分割方法。     

基于两种数学形态学算法优势互补的图像细化方法

图像的细化是提取曲线特征,矢量化、识别等后续图像处理的基础,而单一的算法往往不能得到理想的细化效果.本文在研究各种已有的细化算法的基础上,从中选出两种不同的数学形态学算法共同处理同一图像,可以实现较好的细化效果:即先对图像采用基于5×5邻域模板的数学形态学细化算法进行细化处理,再对处理后的图像采用基于结构元素对的数学形...     

基于数学形态学的货车车门状态的检测

根据运行中的货车车厢图像，首先采用最大方差法确定货车车厢图像的二值化阈值，然后使用特殊的结构元素进行数学形态学运算提取二值图像中的目标区域，最后计算矩形拟合因子来判别目标区域是否为矩形，从而判别货车车门是否打开，解决了货车运行中的安全状态检测问题。本算法能有效抵抗椒盐噪声以及乘积性噪声的影响，在进行图像处理和识别时无需进行图像预处理。     

基于数学形态变换的骨骼CT图像边缘提取

本文提出了数学形态变换结合Canny边缘算子提取图像边缘的方法,通过研究骨骼CT图像边缘提取,证明该方法几何意义明确,去噪效果明显,性能优越。     

基于小波多尺度分析的图像特征点提取方法

图像数据的无序激增使得基于内容的图像检索技术成为一个研究热点。为了克服普通颜色特征不考虑颜色空间分布的缺点,提出了一种基于小波变换的图像多分辨率分块特征点提取方法,采用多分辨率的分块策略对图像的二维空间进行划分,多分辨率的分块策略使得相关反馈的自适应性得到了更好的保证,实验证明文中所给的方法是十分有效的。     

一种组合特征抽取的新方法

该文提出了一种基于特征级融合的特征抽取新方法,首先,给出了一种合理的特征融合策略,即利用复向量给出组合特征的表示,将特征空间从实向量空间拓广到复向量空间,然后,发展了具有统计不相关性的鉴别分析的理论,并将其用于复向量空间内最优鉴别特征的抽取,最后,在Concordia大学的CENPARMI手写体阿拉伯数字数据库以及南京理工大学NUST603HW手写汉字库上的试验结果表明,所提出的组合特征抽取方法不仅具有很强的维数压缩能力,而且较大幅度地提高了识别率。