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。     

基于手写体汉字笔画提取重构的识别方法

提出了手写体汉字笔画宽度提取、基于提取出的笔画宽度归一化手写体汉字的方法，给出手写体汉字笔画重构的思想，实现了一种基于手写体汉字笔画提取的汉字重构并最终识别手写体汉字的算法，构建了手写体汉字的识别系统。实验证实，该方法可保证原有笔画特征信息，且能有效地识别手写体汉字。     

一种基于数学形态学的手写汉字方向特征提取方法

提出了一种新的基于数学形态学的手写体汉字方向特征提取的方法。该方法首先提出了一种利用数学形态学对手写汉字做笔划宽度归一化的方法，然后应用数学形态学的方向模板提取汉字在横、竖、撇、捺4个方向上的模式图像，最后，将弹性网格作用在4幅方向模式图像中，统计每个网格中的黑像素分布密度，得到汉字的方向特征。使用简单的距离分类器对120套3775个汉字手写体汉字进行识别实验，识别率达到8547％。     

基于过程神经元的手写体汉字仿人识别研究

为有效地获取脱机手写体汉字笔划信息,采用过程神经元网络提取手写体汉字基本笔段,分析各类笔段间的拓扑性质,并将手写体汉字图像转化为具有容错表征方式的六种汉字笔划类型在不同位置组成的几何图形.模仿人类汉字形码输入法,统计具有冗余容错形状的笔划类型和相合相交点的数量和位置,建立手写体汉字多维特征知识数据结构表,通过对比和判断仿人容错地识别手写体汉字.对SCUT-IRAC手写体汉字库中汉字进行了实验仿真,该方法具有较强的"认知"手写体汉字的能力.     

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。     

线状图形的SLSA法提取

在汉字的结构模式识别中, 对汉字进行笔划间的分割、提取和表示是必不可少的。评价这些方法的优劣常基于这两个标准：第一, 笔划提取的正确性和表示的合理性, 其次是得到这个结果的时间。在手写体汉字识别中, 由于汉字模式经常受到书写者的不同及书写条件等因素的影响, 使得书写同一笔划的形状各不相同, 甚至产生变形。这里我们提出一种称为SLSA(Straight-Line Sequence Approximation)法来提取汉字笔划, 它能大大减少提取笔划所需的时问, 并且不产生变形。最后结果用Freeman代码来表示。这种方法已用于在IBM-PC/XT机上实现的手写体汉字识别模拟系统中, 效果极为满意。     

手写体汉字特征的抽取研究

本文采用结构方法研究汉字手写体识别。通过利用全新的防噪声技术,有效地抽取了规范手写体汉字的自然笔划并自动形成结构特征编码。最后,我们对基于人工神经网络的手写体汉字识别进行了初步探讨。     

一种基于仿生识别的脱机手写体汉字识别方法

运用仿生模式识别方法构建提取基本笔段的神经元序列覆盖手写体汉字图像,分析笔段神经元间的拓扑性质,将手写体汉字图像转化为具有容错表征方式的6种汉字笔划类型组成的几何图形.模仿人类汉字形码输入法,统计具有冗余容错形状的笔划神经元类型、数量、位置、相合和相交点数量,建立手写体汉字特征知识的数据结构表.对SCUT-IRAC手写体汉字库中手写体汉字识别进行仿真实验,结果证明本文方法具有较强的"认知"手写体汉字的能力.     

一种模糊相关的手写体汉字特征提取方法

本文给出了手写体汉字网格模糊笔划密度特征的提取方法,将模糊数学与统计方法相融合,结合汉字的结构特征与统计特征,准确地提取了汉字的模糊笔划密度特征,且该特征较为稳定。使用该特征进行手写汉字识别的分类实验,结果令人满意。     

基于ANN和HMM的联机手写体汉字识别系统

为了解决联机手写体汉字笔划顺序、笔划数目及笔划形状变化问题,提出了一种新的联机手写体汉字识别方法:人工神经网络(ANN)和隐马尔可夫模型(HMM)相结合的汉字识别方法,首先通过BP神经网络进行笔划识别,再通过笔划类型和笔划间位置关系的隐马尔可夫模型进行整字识别。实验证明,该联机手写体汉字识别系统具有较高地识别准确率。