几种手写体汉字网格方向特征提取法的比较研究

近年来,网格方向特征已广泛应用于许多手写体汉字识别系统中,并认为是目前较成熟的手写体汉字特征之一。网格技术和方向分解是网格方向特征的两个关键技术。方向特征提取方法有许多种并各有优劣。对几种方向特征提取方法进行了比较研究,对其中一些方法进行了改进,并将我们提出的局部网格的划分方法应用到这几种方向分解特征的提取上,取得了较好的识别效果。     

几种手写体汉字网格方向特征提取法的比较研究*

近年来,网格方向特征已广泛应用于许多手写体汉字识别系统中,并认为是目前较成熟的手写体汉字特征之一。网格技术和方向分解是网格方向特征的两个关键技术。方向特征提取方法有许多种并各有优劣。对几种方向特征提取方法进行了比较研究,对其中一些方法进行了改进,并将我们提出的局部网格的划分方法应用到这几种方向分解特征的提取上,取得了较好的识别效果。     

基于双弹性网格的手写体汉字识别

特征提取是手写体汉字识别的关键,目前四方向网格特征已被实验证实是一种较好的手写体汉字特征。针对通常的纵横弹性网格对汉字“撇、捺”笔画特征提取的不足,提出一种新的网格构造技术——对角弹性网格,它由45°和135°的对角直线构成,将汉字图像划分为多个菱形,能够很好地适应汉字在“撇、捺”方向的变化。将这两种网格单独,以及相互组合成双网格等情况分别进行手写体识别实验,实验结果验证了对角弹性网格的有效性和双弹性网格的高识别率性。     

一种手写体汉字特征提取新方法——小波变换及弹性网格技术的应用

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，然后结合弹性网格技术，提出了进行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。     

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。     

基于弹性网格模糊特征的手写体汉字识别方法

网格方向特征在手写体汉字识别系统中得到广泛应用,被认为是目前较成熟的手写体汉字特征之一。网格技术是网格方向特征的关键技术之一。根据汉字笔画分布特点及拓扑结构的相关性,提出了一种新的基于弹性网格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,特征更加稳定。对银行支票图像大写金额的识别率达到97.64%,实验结果证明本文方法比其他网格方向特征更有效。     

基于手写体汉字双弹性网格模糊特征的研究

针对目前的纵横弹性网格技术不能有效提取到汉字撇和捺笔划模糊特征的不足,结合双弹性网格技术和汉字的模糊特征提取方法,提出一种双弹性网格模糊特征提取方法.该方法首先利用双弹性网格技术对汉字图像进行网格划分,并对该图像进行横、竖、撇、捺笔划分解,得到4个方向子图像;然后采用双弹性网格技术及网格字块间的相关模糊性对子图像提取特征.通过实验证明,该方法在处理大类别手写体汉字识别时,因其稳定性高,识别效果好,从而明显优于很多其他的特征提取方法.     

基于弹性网格和Legendre矩的手写体汉字识别方法

特征提取是手写体汉字识别的关键环节。论文提出了一种新的特征提取方法,即基于特征融合技术将弹性网格变换和Legendre矩变换结合起来,用弹性网格变换提取局部特征,用正交Legendre矩提取全局特征,然后使用K-L变换进行特征压缩,消除冗余信息。实验证明该方法是行之有效的。     

手写汉字识别弹性网格Gabor特征提取方法的研究

结合弹性网格技术来对手写体汉字提取Gabor特征,并与基于非线性归一化的Gabor特征及传统的方向特征进行了比较研究,实验结果表明：提出的弹性网格Gabor特征优于非线性归一化Gabor特征,识别性能最稳定;弹性网格Gabor特征要明显优于传统的方向线数特征;不同的非线性归一化方法及归一化的图像尺寸对特征提取的性能有较大影响。     

手写体汉字识别的超综合方法

受超综合思想的启发，本文提出了两种手写体汉字识别的集成方法。第一种方法基于线性模型，第二种则基地有监督学习的网络集成方法。与以前的集成方法相比，该方法在通过监督学习自动获取集成系统的参数方面取得了成功，它对于分类大量的模式识别问题是非常重要的。实验结果证明，集成系统的效果比任何一个单一分类器要好得多。     

手写体数字识别系统中一种新的特征提取方案

本文对手写体数字识别系统中的数字特征提取方法进行了深入的研究,分析了当前用得比较多的三种特征提取方法,在此基础上提出了一种新的特征提取方案。该方案从每个字符中提取关键的13个点作为特征点,其主要特点是特征提取简单有效,节省了特征提取时间,提高了识别系统的运行速度。进行仿真时,用同一种网络对特征提取后的结果进行训练和识别,仿真结果表明,13点特征提取法用于手写体数字的识别有着极好的适应性,在运行速度和识别率上比起其它算法都有很大的提高,从而极大地证实了新算法的有效性及实用性。     

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。     

脱机手写体汉字识别中多模板字典的制作方法

针对手写体汉字字形变化复杂的特点,提出了一种基于特征向量分布的多模板字典制作方法,并通过赋予该多模板字典自学习功能,来提高其泛化能力。实验证明,用这种方法制作的字典与用传统方法制作的同类字典相比,能够有效地提高系统的总体识别率。     

ART2神经网络在手写体汉字识别中的应用

该文提出了一种基于神经网络的手写体汉字识别方法,该算法充分利用神经网络的自适应学习能力。ART2网络通过竞争学习和自稳机制原理实现分类,可以在非平稳的、有干扰的环境中进行无教师无监督的自学习。其学习过程是自组织的实时学习,能够迅速识别已学习过的样本,并能迅速适应未学习过的新对象。考虑到Gabor滤波器具有优良的方向性,该算法采用Gabor特征作为字符特征。Gabor特征反映字符的空间分布特征,而且可以组合成高维矢量,特别适用于汉字识别这大型模式识别场合。实验结果显示,该算法对测试样本识别正确率达到94％,比其他方法更准确、更可靠。     

结合距离分类器的神经网络手写体汉字识别

手写体汉字识别技术中如何解决复杂的大类别识别问题,是汉字识别中的一个难点。该文介绍了基于笔划的手写体汉字特征抽取方法,提出了一种基于预分类的神经网络汉字识别方法,该方法用一个传统的距离分类器先对汉字进行预分类,神经网络根据预分类结果进行有选择的训练和识别,能有效解决神经网络大类别模式识别中的训练和分类问题,学习时间很短,识别效果较理想。     

一种有效的手写体汉字组合特征的抽取与识别算法

基于特征融合的思想,从有利于模式分类的角度,推广了典型相关分析的理论,建立了广义的典型相关分析用于图像识别的理论框架。在该框架下,首先利用广义的典型相关判据准则函数,求取两组特征矢量的广义投影矢量集,构成一对变换矩阵;然后根据所提出的新的特征融合策略,对两种手写体汉字特征进行融合,所抽取的模式的相关特征矩阵,在普通分类器下取得了良好的分类效果,优于已有的特征融合方法及基于单一特征的PCA 方法和FLDA 方法。