基于汉字结构特征的自由格式手写体汉字切分

本文利用汉字的基本结构特征切分自由格式手写体汉字字符,以汉字部件作为基本要素,根据部件之间的位置关系进行合并形成完整的汉字图像.自由格式手写体汉字串常有两个字符粘连的情况,依据汉字的笔画特征可以切割粘连字符.实验结果表明,该方法对自由格式手写体汉字字符有较好的切分效果.     

基于连通域单元和穿越算法的汉字切分

参考汉字的基本结构特征，以连通域单元为基本处理单元，根据各个连通域单元之间的位置关系对其进行合并。对合并后的结果中存在字符粘连的情况，采用一种改进的穿越算法，选取最佳切分位置对文本进行切分。实验结果表明，本算法对单行自由格式手写体汉字切分可取得较好的效果。     

联机手写公式中字符的切分与识别

提出了联机手写字符切分算法.通过基于规则的笔划合并和笔划块切分将笔划合并成字符块,在此基础上,采用动态规划算法,利用字符块的间距、外接框重叠信息、笔划复杂度以及字符识别信息,寻找出最优的切分路径.实验证明,算法对于一维简单数学公式和二维复杂数学公式的切分都有着比较好的效果.     

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。     

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     

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。     

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。     

细化算法在手写体字符识别中的应用

在手写体字符识别的研究中,在提取特征的过程中需要提取字符的骨架信息,所以要对每一个字符进行细化处理。在研究ZS和LW细化算法的基础上,采用串行细化与并行细化相结合的方法,并引入一些模板改进算法使其能够有效去除多余枝杈和冗余像素的问题;通过对手写体数字、字母的文字进行测试,表明该细化效果较好,并有一定的实用价值。     

小波分形分解特征在手写体汉字识别中的研究

文章研究了手写体汉字识别中的一种新的特征提取方法——小波分形分解特征。在该方法中，对手写汉字分别采用小波和分形的方法提取其结构特征和统计特征，并将提取的结构特征和统计特征组合后作为识别器的输入进行识别。实验表明，该方法对训练样本可以达到98．71％的识别率，对测试样本可以达到91.37％的识别率。     

基于多信息融合的中文手写地址字符串切分与识别

该文提出了一种有效的中文手写地址字符串的切分与识别方法。首先,利用笔划提取与笔划合并将字符串图像进行过切分,得到字根图像序列;然后综合利用几何信息、识别信息和语义信息挑选最优的字根合并路径,得到最优的切分结果及对应的最优识别结果。其中,几何信息是根据当前字符串自身的特点统计得到,因此可适应不同书写风格的字符串。识别信息由单字分类器给出,包括10个候选识别结果及其相应的置信度;单字分类器采用MQDF分类器。语义信息用基于字的bi-gram模型进行描述,模型参数是从包含18万条地址数据的数据库中统计得到的。用3000个实际的手写地址样本做试验,单字识别正确率达到88.28%。     

脱机手写体汉字识别综述

脱机手写体汉字识别是模式识别领域最具挑战性的课题之一。本文分析了近年来脱机手写体汉字识别的最新进展,讨论了脱机手写体汉字分割、特征提取和分类器设计等关键技术的各种主流方法,介绍了3种典型的汉字识别数据库,并提出了脱机手写体汉字识别的难点问题和今后发展的趋势,为该领域的研究者指明研究方向,共同促进脱机手写体汉字识别技术的发展。     

一种基于运动图像的在线手写汉字识别方法

在分析传统联机与脱机手写汉字识别系统基础上,本文提出了一种基于运动图像的在线手写汉字识别新方法.该方法利用普通摄像头,实时地采集手写汉字墨迹的运动图像,通过图像处理技术提取手写汉字,并进行在线识别.文中给出了笔尖匹配的快速算法和基于数学形态学的汉字提取方法.最后,通过实验验证了本文方法的有效性.     

基于GoogLeNet的手写体汉字识别

近年来基于深度学习的方法识别手写体汉字取得了很多突破,但现有的一些方法存在计算参数多、模型收敛慢、训练时间长的缺点。针对以上问题,提出了基于GoogLeNet的脱机手写体汉字识别模型HCCR-IncBN,模型使用了5个Inception-v2模块,训练参数较少,模型收敛更快,存储整个模型只需要26MB的存储空间。实验利用HCCR-IncBN模型在ICDAR2013数据集获得了95.94%的识别准确率,表明模型在没有使用任何手写体汉字的特定领域知识和无需人工提取其他特征的前提下能够获得较高的识别效果。     

基于数字图像处理的车牌字符分割方法

传统的字符分割方法一般针对单行车牌,本文提出一种针对单行和双行两种结构的车牌字符分割方法。首先进行图像预处理,减少噪声及环境干扰。将车牌图像分为两部分,对前两个字符的部分先垂直投影,再结合先验知识判断进而准确分割;对后五个字符的部分用垂直投影法确定动态阈值并结合连通域分析进行字符分割。实验结果表明,该方法同时适用于单双行结构车牌,对字符粘连断裂的情况也能很好的分割。     

基于字符包围盒特征参数的车牌定位分割研究

现有的车牌识别流程中,车牌定位和字符分割关联性较小,有效融合这两个过程可以提高检测的效率。为此,提出了一种基于字符包围盒特征参数的车牌字符定位分割算法。该方法首先使用高斯-拉普拉斯算子对车牌图像进行滤波和边缘检测,在此基础上,使用连通区域分析和轴对齐包围盒检测和表征边缘图像中的连通域,根据车牌字符的分布规律来筛选目标包围盒,最后基于目标包围盒中心点对车牌字符进行倾斜矫正和定位分割。实验结果表明,该方法可以有效地定位车牌和分割字符,准确率可达到93.5%。     

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%。