手写体字符识别的多特征多分类器设计

特征选取和分类器设计是字符识别系统设计的关键。文章针对手写体汉字和阿拉伯数字混和字符集的识别提出了依据不同的分类要求,分别选取不同的字符特征并采用神经网络多分类器进行识别的设计方法。实验结果表明,该方法用于手写体混合字符集的识别是行之有效的。     

基于SVM的脱机手写汉字识别

为了对手写体汉字进行快速准确的识别,本文应用SVM和三种特征识别汉字.经过实验,它的处理速度和识别率都令人满意,如果组合成多分类器可以得到更高的识别率.     

离线手写汉字的多尺度小波特征提取

离线手写汉字的识别仍然是模式识别中的一个最困难的问题,而特征提取是解决这个问题的关键.本文提出一种基于多尺度小波分解的离线手写汉字的特征提取方法.通过表示为灰度图像的手写汉字的多尺度小波分解,能在不同尺度下抽取字符的特征.在较大的尺度下,抽取字符少量的结构特征,可用于在巨大的汉字候选类集合中进行字符的粗归类;在较小的尺度下,抽取字符的细节特征,可用于在较小的汉字候选类集合中进行字符的细归类(识别).这样一种从粗到细的策略,既减少了匹配的时间,又保持了识别的精度.     

一个联机识别自然手写汉字的多分类器集成系统

本文提出一种联机识别自然手写体汉字的多分类器集成模型。该模型中,我们把依照01、WB和SO特征码设计的不同分类器进行集成,综合模式多种全局和局部特征,从汉字的多个结构层进行识别。初步实验结果为,识别率98.6%。     

一种多分类器集成的手写体汉字识别方法

多分类器集成是手写体汉字识别领域的新方向。本文提出的多分类器集成方法通过改进的欧氏距离分类器将待识别汉字分类到某个粗分结果集中,然后根据粗分结果集选择1-N(one-against-rest)的SVM分类器对待识别汉字进行细分,最后用贝叶斯集成两级分类器。实验对国标一级汉字中的1034个手写汉字进行识别,证明了方案的有效性。     

手写体汉字识别的二叉树SVM算法研究

脱机手写体汉字识别具有重要的理论意义和实践价值,目前在小字符集方面取得了比较好的效果.对大字符集来说,仍在进行研究.为了解决大字符集的手写体汉字识别问题,一般采用多层分类的方法.根据汉字的繁简和字型结构,构造了五级的二叉树SVM模型进行汉字集的粗分类,给出了模型的构造方法.在每级分类识别当中,采用不同的汉字特征和核函数,利用"one-against-rest"算法进行细分类识别.仿真实验表明,该方法能对手写体汉字分级分类识别,具有较高的识别率.     

基于多尺度小波分析的汉字字体识别

字符识别系统的研究已取得很大成功,要恢复版面信息的原貌,就要对字体进行识别.文中提出了一种基于小波能量分布比例特征的多尺度小波分析的汉字字体识别算法,通过对字符图像进行小波分析以及网格化,提取小波能量分布比例特征作为小波特征,应用BP神经网络在文本无关的条件下对汉字字体进行分类.实验表明,基于多尺度小波分析的汉字字体识别算法能有效的区分黑体、仿宋体、宋体以及楷体4种不同的字体.     

自然场景中多类目标识别的算法研究

为了实现复杂自然场景中多类目标的识别与分割,本文利用条件概率模型(CM)对目标特征进行建模,融合了纹理特征、纹理环境特征和位置特征,并采用场景类别对各类目标间的相互约束关系进行建模,在此基础上研究基于场景类别的条件概率模型(sCM)在多类目标识别与分割中的应用。本文选用Oliva&Torralba数据库对模型进行实验并与国外其他方法进行了比较。实验结果表明,该算法在多类目标识别与分割中取得很好的结果,在提高总体识别率的同时提高了物体边缘部分识别与分割的正确率,更有效地提高了视觉效果。     

基于多分辨率的多层分类器的手语识别方法

本文提出了一种基于多分辨率的多层分类器的手语识别方法,该方法对来自数据手套的手语输入,先用多分辨率选择特征,然后根据这些特征数据先进行低分辨率识别,再使用全部数据进行高分辨率识别。实验结果表明,该方法比传统HMM(隐马尔可夫模型)识别过程识别速度平均提高了约0.6秒,识别率提高了6.73％。     

SVM多值分类器在脱机手写体相似汉字识别中的应用

相似字的普遍存在是影响脱机手写体汉字识别率低的主要原因之一。论文研究了支持向量机(SVM)多值分类器在手写相似汉字识别中的应用,所提出的方法采用了小波弹性网格技术提取汉字的特征,通过实验比较了三种不同的SVM分类器组合策略的分类效果。     

工程图纸自动输入字符识别的二维隐性马尔可夫模型方法

在分析了语音识别的一维马尔可夫模型(1D-HMM)方法的基础上,采用二维马尔可夫模型(2D-HMM)方法识别工程图纸中的各类印刷体汉字、较规范的手写仿宋体汉字、英文及阿拉伯数字,适用于多字体、倾斜字符识别等情形,抗噪声能力强,取得了较高的识别率.     

多字体印刷藏文字符识别

藏文字符识别系统是中文多文种信息处理系统的重要组成部分,但至今国内外的研究基本处于空白。本文提出了一种基于统计模式识别的多字体印刷藏文字符识别方法:从字符轮廓中抽取方向线素特征,利用线性鉴别分析(LDA)压缩降维后得到紧凑的字符特征向量。采用基于置信度分析的两级分类策略,设计了带偏差欧氏距离分类器(EDD)完成高效的粗分类,细分类采用修正二次鉴别函数(MQDF)。通过实验选取恰当的分类器参数后,在容量为177,600字符(300样本/字符类)的测试集上的识别率达到99.79%,证明了该方法的有效性。     

A novel stroke-based feature extraction for handwritten Chinese character recognition

A stroke-based approach to extract skeletons and structural features for handwritten Chinese character recognition is proposed. We first determine stroke directions based on the directional run-length information of binary character patterns. According to the stroke directions and their adjacent relationships, we split strokes into stroke and fork segments, and then extract the skeletons of the stroke segments called skeleton segments. After all skeleton segments are extracted, fork segments are processed to find the fork points and fork degrees. Skeleton segments that touch a fork segment are connected at the fork point, and all connected skeleton segments form the character skeleton. According to the extracted skeletons and fork points, we can extract primitive strokes and stroke direction maps for recognition. A simple classifier based on the stroke direction map is presented to recognize regular and rotated characters to verify the ability of the proposed feature extraction for handwritten Chinese character recognition. Several experiments are carried out, and the experimental results show that the proposed approach can easily and effectively extract skeletons and structural features, and works well for handwritten Chinese character recognition.     

Automated entry system for Chinese printed documents

In this paper, we present a new automated Chinese printed document entry system. This system features automated text/ graph segmentation, and multi-font, multi-size printed Chinese character recognition. Experimental results show that 95.8–99.4% of the top 10 printed characters can be correctly recognized, with the speed of 0.16 seconds/character.     

脱机印刷体彝族文字识别系统的原理与实现

脱机印刷体彝文文字识别系统包括字符分割、特征提取、特征压缩以及字典匹配四个主要模块,该系统利用总结出的彝文字符合并和反合并规则提高了字符分割准确率,采用1024维周边方向贡献度作为彝文字符统计特征,对彝文中存在的大量相似字符具有良好的区分能力。系统还采用基于KL变换的特征压缩算法和三级字典快速匹配算法,最终实现了一个基于Windows平台的脱机印刷体彝文识别平台,该平台对样本的一次识别率在99.4%以上。实验结果表明这些方法是可行的和高效的。     

一种多字体印刷藏文字符识别方法

提出了一种完整的多字体印刷藏文字符识别方法：先提取输入字符的方向线素特征组成特征向量，然后采用两级分类策略判定字符类别。该方法在训练集和测试集上的识别率分别达到99．73％和99．44％，证明了其有效性。     

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。     

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。     

一种印刷体数学公式优化提取策略

提出了一种先版面行分类后符号识别的印刷体数学公式提取策略。策略中两次应用K-L变换,分别完成版面行特征的降维和公式符号特征的提取,并采用免疫克隆选择算法优化支持向量机的训练参数,以构建出最优的版面行分类器和公式符号识别器。通过对300多份印刷体中文科技文档进行扫描识别测试,所得结果的公式提取率可达94%以上。