朝汉混排古籍的文字切分方法

为解决朝鲜语古籍数字化中朝汉文种混排字符切分困难的问题,提出一种朝鲜语古籍图像的文字切分算法。针对古籍列与列之间存在不连续间隔线、倾斜或者粘连等问题,提出一种基于连通域投影的列切分方法。利用连通域的删除、合并、拆分等操作对文字进行切分。使用一种多步切分法完成了具有文字大小不一,横向、纵向混合排版特点图像的字符切分工作。对于粘连字,采用改进的滴水算法进行有效切分。实验结果表明所提出的算法能够很好地完成朝、汉文种混排,文字大小不一,排版情况复杂的朝鲜语古籍图像的文字切分工作。该算法的列切分准确率为97.69%,字切分准确率为87.79%。     

一种基于纹理特征的笔迹鉴别方法

介绍了一种基于纹理特征的笔迹识别方法。把手写笔迹图像作为一种纹理看待,从而将笔迹识别问题转化为纹理识别问题。笔迹图像预处理采用基于像素点的切割方法,通过实验证明该方法可以较为完整的保存纹理信息。对于预处理后的纹理图像,再利用纹理处理技术和数学方法提取笔迹纹理特征,设计Gabor滤波器对特征图像鉴别,所有过程均使用MATLAB编程仿真实现。试验结果表明采用纹理识别的方法简单,避免了由于文字数量、纸张材质、字体颜色等因素的影响,显著提高了识别的准确度和笔迹识别应用的广度。     

结合单字特征的笔迹鉴别算法研究

基于高等教育自学考试背景,对笔迹鉴别算法进行研究。首先利用多通道的Gabor变换对笔迹纹理图进行特征提取,并通过欧式距离分类器进行分类,在训练样本库中找到与待测样本最相似的5幅笔迹。在此基础上,利用9/7提升小波算法提取出图像高频部分细节特征,对笔迹中的特征单字进行特征提取,综合分析,给出最终鉴别结果。实验结果证明,本算法具有良好的鉴别率。     

基于SVM和纹理的笔迹鉴别方法

针对与书写内容无关的笔迹，提出利用快速Gabor小波提取笔迹图像的整体纹理特征、用支持向量机(SVM)进行训练和识别的方法．SVM是解决两类问题的算法，而笔迹鉴别是一个多类问题，通过“一对多”的方法将多类问题转化为两类问题．在87人笔迹库上的实验结果表明，文中基于SVM和纹理的笔迹鉴别方法是有效的。     

改进Gabor滤波器在笔迹鉴别中的应用

将笔迹图像当作纹理网像看待,用改进的多通道二维Gabor滤波器提取笔迹图像的纹理特征,经过处理后加入特征数据库中作为笔迹鉴别的依据.这是一种文本无关的方法,具有很好的通用性,经过对Gabor变换进行改进提高了鉴别的速度和准确性,以vc 6.0为开发平台通过大量的实验验证了算法的有效性.     

基于微结构特征的维吾尔文笔迹鉴别

对离线的文本无关的笔迹鉴别进行研究,结合维吾尔文文字连写多、字形复杂等特点,采用基于概率分布函数的微结构特征笔迹鉴别,提出一种维吾尔文的笔迹鉴别方法。该方法对笔迹中局部细微结构的书写变化趋势进行描述,运用欧氏距离和Manhattan距离度量方法进行笔迹特征匹配。对120份维吾尔族学生的笔迹样本进行测试,结果表明,该方法能有效提高维吾尔文笔迹鉴别的正确率。     

基于纹理分析的笔迹鉴别系统

笔迹鉴别是通过分析手写字符的书写风格来判断书写人身份的一门技术。本文把手写笔迹作为一种纹理来看待,将笔迹鉴别转化为纹理识别来处理,利用多通道Gabor滤波器来提取笔迹图像的纹理特征,用支持向量机进行分类。实验中采集了17个人的不同笔迹,取得了较好的结果。     

采用几何模型切分的人脸纹理图像生成算法

为了克服传统的照片图像拼接方法中利用特征线进行不同照片之间公共交界线定位不准确的缺点,提出一种“几何模型切分”的人脸纹理图像生成算法。通过对人脸几何模型进行切分,以切分后模型图片的轮廓作为边界线裁剪相应的人脸照片,实现不同照片之间交界线的准确对接,并采用柱面纹理映射方法将生成的纹理图像映射到特定人脸几何模型上。实验结果表明,采用提出的“几何模型切分”算法生成的人脸纹理图像进行纹理映射可以得到较好的真实感三维人脸模型,是一种生成人脸纹理图像的有效方法。     

古代汉字文献切分研究

针对古代汉字文档的特点,提出了适合于古文档的列切分方法和字切分方法。提出的列切分方法直接对文档的笔画投影进行分析,采用一种基于分层投影过滤和变长间隙阈值的递归切分算法。该算法在列间隔较小、列与格线存在粘连、文档具有一定程度的倾斜的情况下,也能准确地抽取出列,尤其对短列的切分达到了较好的效果。提出的字切分方法分为两步,进行粗切分确定大致的切分位置,采用基于连通域分析与粘连点判断的方法做进一步的细切分。该算法对具有较多粘连和重叠汉字的列,也能较好地切分出完整的单字。实验结果表明,提出的方法用于古代汉字文档切分能够获得较好的效果。     

基于复小波的脱线手写体笔迹鉴别

进行脱线笔迹鉴别时,笔迹特征只能从手写体图像中提取,且无法获取书写时的动态信息,导致了脱线笔迹鉴别的正确率不是很高。为了进一步提高脱线手写体笔迹鉴别的正确率,提出基于复小波的GGD模型方法对笔迹进行鉴别。与传统小波GGD模型方法比较,复小波GGD模型方法具有时移不变性和良好的方向分析能力,在提取纹理特征方面更有效。实验结果表明,该方法在鉴别正确率上有很大的提升。     

基于统计特征的维吾尔文笔迹鉴别研究

针对目前的笔迹鉴别研究只是单一针对纹理特征和概率分布密度．提出一种采用边缘方向分布特征和LBP纹理特征相融合的笔迹鉴别方法。该方法利用概率密度分布思想从边缘轮廓图像中提取边缘方向分布特征,使用直方图向量提取LBP纹理特征。并且采用几种距离公式进行相似性度量。所提方法简单可行并很好地描述了维吾尔文的书写习惯和特征,取得较好的鉴别结果。     

基于手写体的身份识别

以前许多文章曾介绍过一些基于手写体的书写人身份识别技术，其中多数都假设所写的文本是固定的。本文中，我们试图通过一种自动的不依赖文本的书写人识别听新颖算法，来消除这种假设，假定不同的人手写体存在明显的区别，我们采用一种综合方法，它基于纹理分析，每个人的手写体都被看成一种不同的纹理。原则上，我们可以采用任意一种标准的纹理识别算法（例如：多通道伽柏滤波器方法）。在对40名书写人的1000份测试文档的分类中，测试结果非常令人满意，识别率最高达到了96%。     

基于笔迹的身份鉴别

提出了一种鉴别笔迹的新方法.现有的笔迹识别方法大多需要进行分割或关联部分 的分析,都是与内容相关的方法.在新方法里,把手写笔迹作为一种纹理来看待,将笔迹鉴别 的问题转化为纹理识别来处理,这是一种与内容无关的方法.使用多通道二维Gabor滤波器 来提取这些纹理的特征,并使用加权欧氏距离分类器来完成匹配工作.在实验中,使用了17个 人的不同笔迹,取得了很好的结果.     

基于特征融合的维吾尔文笔迹鉴别

针对采用纹理方法鉴别维吾尔文不稳定的问题,提出一种与文本无关、特征融合的笔迹鉴别方法,融合的特征包括网格窗口微结构特征和笔迹曲向特征。所提方法从笔迹原始图像提取笔画边缘,对笔迹的边缘图像建立大量局部窗口模型,通过扫描边缘图像获取融合特征结构的概率密度分布,使用多种距离公式计算概率密度向量间的距离。在实验笔迹容量大小为80的笔迹库上进行实验得到的鉴别率为89.2%。所提方法能很好地刻画笔迹的局部书写变化趋势和笔画的曲向,采用概率密度分布来统计笔迹的网格窗口微结构特征和曲向特征,鉴别效果达到了预期值。     

基于用户笔迹的移动身份识别技术

针对传统身份识别技术存在的密码记忆难、隐私易泄露、信息易伪造等问题,提出并实现了基于安卓平台的混合特征在线手写笔迹识别算法. 本算法通过迁移传统笔迹采集平台、采用文本相关与文本无关相结合的方式分别对静态纹理特征和动态矢量特征进行提取,弥补了当前笔迹采集困难、信息易伪造、准确性差等缺陷,实现了用户在移动设备上更加快捷安全的进行身份识别和鉴定. 通过实验得出：该笔迹识别算法具有良好的稳定性、高可重复性、优良的准确性和安全防伪能力,能够有效阻止陌生用户的攻击,具有较高的安全保障性能.     

基于小波变换和神经网络集成的笔迹鉴别方法*

在笔迹鉴别中为了便于获取特征字符的细微特征,基于线性矩和小波变换提出了提取特征字符纹理特征的方法.小波变换能有效地提取字符的结构特征,而矩能够很好地对其进行描述.在该方法中,一幅特征字图像可以用一个含有52个元素的特征矢量表示,然后通过训练多个神经网络,并应用神经网络集成的方法将其结果合成,对特征空间进行正确分类.分别在特征字和候选人数变化的情况下进行实验,实验结果显示识别准确率较同类算法平均提高百分之五.     

基于图像纹理自适应的边缘检测算法

通过对图像进行Fourier分析,获取能够表达图像纹理的能量谱,进而定义能量谱的环特征和楔特征.环特征可以描述纹理的粗细,楔特征可以描述纹理的方向,以这两个特征值作为边缘检测模板选择的依据,使边缘检测具有纹理自适应能力.实验表明,该算法边缘检测精确,抗干扰能力强.