863手写汉字识别测试平台

本文详细介绍了用于1998年4月在北京举行的全国863评测手写汉字识别测试平台的情况,如测试大纲、测试样本的选择与分类、测试结果等,并提出了作者的一些看法和建议。     

自然手写汉字FS识别法

提出联机识别自然手写汉字的FS识别法。在剖析五笔字根结构和编码原则基础上,对五笔字根作适应性改造,将键盘输入技术与联机识别技术有机融合的一种识别体系。在多库识别体系中首次采用层间分级技术。分析和实验表明：充分考虑了自然手写汉字书写习惯和结构特征,系统有较高稳定性。     

双剑合璧 识别图像并重命名

1。为了文件名更直观,茌识别图片之前,对所有的图片先作一次批量重命名,我使用的是“拖把更名器”。打开程序,选择“添加文件”,选择所有的图片,然后切换到“序号”选项卡,在“模板”中输入“OCR_#”,     

手写汉字的集群识别

为了降低单个汉字的分辨率,论文分析了通用的汉字识别模型,并在此基础上建立了适于多字识别的集群识别模型。为了充分论证集群识别模型的观点,本文从理论证明和实验两方面获得支持根据。实验结果表明基于多字识别模型的集群识别能可靠提高对连续文字的识别效果,是手写汉字识别中很有希望的发展方向。     

汉字原型与手写汉字识别

本文评述了目前三种汉字的计算机表示和二种传统的汉字结构分析方法。应用拓扑和几何的基本原理, 分析汉字结构及其制约关系。从而, 确定四类组成汉字的基本关系并在此基础上实现了汉字原型, 给出了把汉字原型应用在手写汉字认别的实例。     

全新的输入方法：OCR印刷汉字识别系统

1.什么是OCR? OCR是Optical Character Recognize(光学字符识别)的英文缩写。印刷字符识别系统采用扫描仪扫描成图像文件,由计算机通过OCR软件自动辨认成文本文件,经过修改、编辑、排版,一篇符合您要求的文章就存在您的电脑中,以备您随时调用、输出。 OCR的出现把人们从繁重的手工键入中解脱出来,尤其是印刷资料的再录入,更能体现它的高效。所以OCR是一种全新的输入方法。 2.汉字识别系统的构成 整个印刷汉字文本的识别过程包括:     

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中的难题之一。该文分析影响脱机手写体汉字识别性能的主要方面,如规范化方法、特征提取方法及分类方法,给出了每种方法的适用条件,介绍了目前研究中所使用的数据库。     

汉字识别技术中手写汉字书写变形规律的研究

现有手写汉字识别技术在工整书写字体识别上已达到实用化要求,但对于难度很大的自由手写体还不能较好地予以支持,这方面的研究基础上还是一片空白,文中试图显化表达汉字书写时发生变形的内在规律,相应地将汉字识别过程转化为判断输入模式是否为给定参考模式的合法书写变形的计算过程。     

支持向量机的古汉字识别研究

模式识别问题中,国内外学者对汉字的识别开展了较深入的研究。该文研究多种分类识别方法的优缺点及适用范围,确立采用支持向量机的方法对古汉字进行识别研究,结果表明,支持向量机方法与其他分类方法相比,对于古汉字有更高的识别效率。     

联机手写汉字识别的原理,方法与实践

目前,联机手写汉字识别系统在笔输入计算机方面已得到较成功的应用,相对传统的汉字编码输入法,笔输入法简单直观、勿须学习,因而迅速为人们所接受,联机手写汉字识别技术也随之成为人们关注的焦点。 一、汉字识别概述 和联机识别的特点 汉字识别是模式识别的一个分支,其任务是研究如何使计算机“识字”。汉字识别系统通常采用光电转换装置(数字化仪、光笔、鼠标器等)把汉字或字符     

笔顺连笔自由的联机手写汉字识别

论文针对联机手写汉字识别的笔顺自由、连笔自由问题,在整体DP匹配方法的基础上,提出了一种新的确定笔画对应关系的算法(最小风险算法),并同现有的CubeSearch法、匈牙利算法、近邻优先算法在识别速度、识别率等方面作了比较。该方法克服了现有的一些方法的不足,能高效地同时解决笔顺自由和连笔自由问题,而且由于主要采用全局特征进行识别,对形变和噪音具有很强适应能力。另外,字典可以通过聚类自动生成。另外还制作了原型系统,在对GB2312字符集进行的测试中,取得了较好的效果:在笔顺、连笔完全自由的情况下,单汉字平均识别时间小于0.3s,确定笔画对应关系的正确率达99.1%,识别率达94.5%。     

脱机手写体汉字识别研究综述

脱机手写体汉字识别是汉字识别领域中最难的课题。该文对目前脱机手写体汉字识别在预处理、特征提取、分类识别及后处理四个阶段主要采用的方法做了简要介绍,阐述了各种方法的优缺点,并提出了一种将支持向量机有效地用于解决多分类问题的策略。最后根据目前的研究状况,指出今后研究中需要注意的问题和研究的发展方向。     

基于Mapgis地图背景汉字识别的预处理技术

本文仔细研究了地图背景下的汉字的特征,特别是汉字与地图背景的关系,并就此提出了一些特定的预处理技术,包括图文分离、行倾斜校正、"倾斜字"校正、字切分等算法．经过这些预处理,就能从地图背景下分离出汉字,并将汉字变成单个标准点阵模块,为汉字识别奠定基础,最终实现地图下的汉字自动化输入。     

HMM方法识别脱机手写汉字

本文提出了一种在隐含马尔可夫模型(HMM)框架下建立的识别脱机手写汉字的方法,介绍了以HMM对脱机手写汉字进行建模、识别的整个过程,并给出了实验结果对国标一级3755个汉字的识别率,在两种测试集上分别达到96.4%和91.5%.     

脱机手写体汉字识别技术综述

一、汉字识别 汉字已有数千年的历史，也是世界上使用人数最多的文字，对于中华民族灿烂文化的形成和发展有着不可磨灭的贡献，并将继续发挥重要的、与其它文字形式难以取代的作用。然而，汉字是非字母化、非拼音化的文字，     

基于整形特征和模糊识别的手写体汉字识别

针对以往手写体汉字识别方法的形近字准确识别率低、实现过程复杂和运算速度慢等不足,提出了一种比较简单和快捷的手写体汉字识别方法。该方法首先提取汉字整形特征,再按照笔顺进行编码,然后建立标准样本识别库,最后融合模糊模式识别方法以进行汉字识别。实验结果证明,该方法较好地解决了目前形近字的识别率低等问题,实现了以较快的速度和较高的准确率进行手写体汉字的在线识别。     

手写体汉字识别的神经网络算法

本文提出了一种用于手写体汉字识别的神经网络算法，该算法可以模拟人类认识过程在特征提取和分类方面的联想记忆特性，可将其非监督／监督学习机制的自适应动力学属性应用于系统的稳定和优化。该算法同现有算法的区别主要体现在两，点上：（１）神经网络的联想记忆机制将传统模式识别中的两个独立过程──特征提取与模式分类有机地加以综合；（２）自组织映射（ＫｏｈｏｎｅｎＳｏｍ）网络与ＢＰ学习机制相综合，以有效地进行汉字识别和极大地提高收敛速度。该算法已应用于手写体汉字识别，并且对并行分布式仿真环境和体系结构来说，它是可并行化和实用的。     

基于整形特征和模糊识别的手写体汉字识别

针对以往手写体汉字识别方法的形近字准确识别率低、实现过程复杂和运算速度慢等不足,提出了一种比较简单和快捷的手写体汉字识别方法.该方法首先提取汉字整形特征,再按照笔顺进行编码,然后建立标准样本识别库,最后融合模糊模式识别方法以进行汉字识别.实验结果证明,该方法较好地解决了目前形近字的识别率低等问题,实现了以较快的速度和较高的准确率进行手写体汉字的在线识别.     

模糊数学理论在汉字识别中的应用

模糊数学自诞生以来取得了快速的发展,随着计算机应用技术的发展,特别是网络的普及,人们越来越离不开计算机,计算机获取各种信息的主要工具,大量的信息处理工作也离不开计算机。在日常生活和工作中,存在着大量的文字信息处理工作,必须交由计算机处理。汉字识别是模式识别领域的一个重要方向,涉及到很多方面的知识,同时它的实践意义也很深远。     

基于语义的手写汉字识别模型

目前,已经有很多文献阐述了不同的手写汉字识别算法,但是绝大多数算法都是针对单个汉字进行识别的,所以对于比较容易混淆的字,它们的识别效果都不好。该文针对这个问题,在单个汉字识别的基础上,结合汉语字典,加入了对前后汉字的语义考虑,大大地提高了这些容易混淆的汉字的识别率。