基于不对称性的相似汉字识别方法

相似字识别的正确与否对整个识别系统的准确性和可用性都有着极大的影响。在实际应用中,我们发现相似汉字之间的误识存在不对称性,并对这种不对称现象的成因进行了细致的探讨和分析。基于这种不对称性,本文提出了一种分类的部分空间方法来解决相似字的识别问题。相似字按其结构特点被分成若干基本类别,不同类别在相应的部分空间提取不同的特征进行比较,以达到正确识别相似字的目的。实验结果表明了本方法的有效性,相似字识别的准确性得到了很大的提高,其中易错相似字的识别正确率平均提高了4.55个百分点,不易错相似字的识别正确率平均提高了0.38个百分点。     

基于动态时间规整和隐马尔可夫统一模型的无端点检测的汉语识别算法

根据汉语语音的特点，提出了一种无端点检测的语音识别算法。在识别过程中，该算法无需确定语音信号起止点位置，而是从寂静段开始，直接按帧提取特征（帧长２０ｍｓ，帧间重叠５０％），特征向量由１５阶倒谱系数和帧平均能量组成。在动态时间规整（ＤＴＷ）和隐马尔可夫（ＨＭＭ）统一模型（ＤＨＵＭ）中，引进寂静段自环，并用ＤＨＵＭ实现了该算法。对９９个相似汉语单字的识别实验表明：无端点检测的识别器正识率为９４．９５％，正识率下降很少，但不作端点检测却降低了算法的复杂程度。该算法中，若特征向量采用一种听觉模型特征，识别器具有更好的鲁棒性，识别率会略有提高。     

一个计算机汉字语音输入系统

本文介绍了一个用于汉字输入的计算机语音识别系统,它以特定人、孤立词识别方式进行工作,本系统在识别方法上采用了分级判决、逐步求精的基本思想,系统用从简单到复杂的语音特征样板和识别算法,逐级从整个语音字表中筛选出最优识别结果。本系统能用语音输入800至1000个用户任选的汉语字词,在单音节字占总字表的1/3弱时,系统一次正识率为90％,通过用户选择前20名结果,正识率可以做到95％以上。     

基于SVM的手写数字相似字识别研究

该文针对银行票据识别系统中的手写数字的识别问题,利用神经网络和支撑向量机相结合的方法构建了手写数字的识别核,并利用支撑向量机对神经网络输出的识别结果中的相似字进行了二次识别,解决了手写数字中相似字的识别问题,最终的单字误识率达到2.0426%～5.4369%,满足了银行票据识别系统中的手写数字识别的实际要求。     

技术综合集成在模式识别中的应用

本文介绍了采用综合技术集成的方法，解决印刷汉字识别系统误识率太高的重大难题，并通过集成系统的实践，证实了其技术集成优势，由于识别方法的互补效应，不仅提高了识别的正确率，而且使误识率得到大幅度的降低，采用该集成办法研制的系统，经过１００万字的实际文章的测试，系统的识别率超过９８％，误识率小于０．２％，尤其是汉字的误识率小于０．１％。     

基于指纹与指静脉的双模态生物特征识别方法研究

随着电子信息系统技术的飞速发展，网络信息安全的重要性日益上升，保障了各类业务信息的安全可靠存储与传输。在身份识别方面，识别的准确度很大程度上影响了系统的安全性和可靠性。本文提出了基于指纹与指静脉的双模态生物特征识别方法，降低了误识率和拒识率，较大程度地提高了身份识别的准确度和可靠度，对于生物特征识别技术在信息系统中的运用具有重要借鉴意义。     

基于最小代价的多分类器的动态集成

本文提出一种基于最小代价准则的分类器动态集成方法。与一般方法不同,动态集成是 根据“性能预测特征”,动态地为每一样本选择最适合的一组分类器进行集成。该选择基于使误识代价与时间代价最小化的准则,改变代价函数的定义可以方便地达到识别率与识别速度之间的不同折衷。本文中提出了两种分类器动态集成的方法,并介绍了在联机手写汉字识别中的具体应用。在实验中使了３个分类器进行动态集成,因此,得到７种分类组合,在预先     

基于最小代价的多分类器动态集成

本文提出一种基于最小代价准则的分类器动态集成方法．与一般方法不同,动态集成是根据“性能预测特征”,动态地为每一样本选择最适合的一组分类器进行集成．该选择基于使误识代价与时间代价最小化的准则,改变代价函数的定义可以方便地达到识别率与识别速度之间的不同折衷．本文中提出了两种分类器动态集成的方法,并介绍了在联机手写汉字识别中的具体应用．在实验中使了３个分类器进行动态集成,因此,得到７种分类组合．在预先定义的代价意义下,我们比较了动态集成方法和其它７种固定方法的性能．实验结果证明了动态集成方法的高灵活性、实用性和提高系统综合性能的能力．     

基于自回归模型的动态表情识别

采用几何信息和纹理信息融合的混合特征,基于自回归(AR)模型,提出一种基于线段的相似度判决方法实现动态表情识别.首先在6种基本表情的图像序列训练集上进行训练得到6种AR模型,然后给定测试表情序列,对每一个测试序列通过6种AR模型生成6种预测序列,接着比较每种预测序列与实际给定序列的相似性,最终根据相似性判断所给序列的表情类别.为了更好地比较预测序列与给定序列的相似性,提出了一种基于线段的相似度判决方法.基于Cohn-Kanade+人脸表情库进行实验结果表明,该方法在动态表情识别上取得了良好的效果.     

用于语音识别拒识的隐马尔可夫模型状态及状态驻留相关的声学置信量度

随着语音识别系统继续从实验室转向实际应用,语音拒识就变得愈来愈重要．为解决语音识别系统对识别候选的接受／拒识判决问题,文中提出了基于隐马尔可夫模型（ＨＭＭ）的语音识别系统中状态和状态驻留相关的声学置信量度准则．给定状态下特征矢量的平均观测先验概率和给定特征矢量状态的后验概率均比较容易设定统一的拒识门限,且不需专门的训练．而状态驻留分布相关法则是基于驻留分布概率和置信区间理论,不仅可设定一个拒识门限,同时可给出语音识别候选的状态驻留可信度．实验表明上述拒识准则能很好地拒识误识别候选和词表外语音（ＯＯＶ或非关键词）,从而在较低拒识率的情况下有效地提高系统的识别率     

局部HOG和分层LBP特征融合的车牌字符识别

针对车牌字符识别中模板匹配法识别率低,尤其是无法准确识别相似字符的不足,提出了一种局部HOG和分层LBP特征融合的车牌字符识别方法. 首先利用模板匹配法对车牌所有字符进行初步识别,然后利用HOG算子提取车牌和模板相似字符中最具区分度的一小块边缘特征,接着利用LBP算子提取原始车牌和模板相似字符中相同区域块的分层纹理特征,将两种特征串行融合构建串行特征向量,最后根据特征向量之间的卡方距离来度量车牌字符和模板字符的相似性,进而完成二次识别. 通过实验比较了11种算法的识别性能,结果表明本文方法有效地解决了相似字符误识别的问题,在保证识别速率的同时识别率显著提高,达到99.52%.     

基于模板匹配和局部HOG特征的车牌识别算法

针对车牌字符识别中模板匹配法识别率低,尤其是无法准确识别相似字符的不足,本文提出了一种模板匹配法结合局部HOG特征的车牌识别算法.首先利用模板匹配法对车牌所有字符进行初步识别,然后分别提取车牌和模板相似字符中最具区分度的一小块HOG特征进而构建特征向量,最后根据特征向量之间的欧氏距离来度量车牌字符和模板字符的相似性,进而完成二次识别.实验结果表明,本文方法有效地解决了相似字符误识别的问题,在保证识别速率的同时识别率显著提高.     

小波包变换在手写体金融汉字识别中的应用

针对小波包变换的特点,提出了一种基于小波包变换的手写体金融汉字识别算法。该算法首先对汉字图像进行二维小波包分解,利用基于子图像能量方差的准则选择适当的部分分解树;然后将得到的子图像划分成多个局部窗口,计算局部窗口的能量值组成特征向量;再通过主成分分析(PCA)选择分类能力最强的一组特征,降低特征空间的维数;最后,将特征向量送入支持向量机进行分类。实验结果表明,该算法取得了较好的识别效果。     

Discrimination of similar characters using nonlinear normalization based on regional importance measure

Discrimination of confusing characters is very important in recognition of character sets containing a multitude of similar characters. Confusing characters have very similar shapes and are separated by only a small difference. For a successful discrimination, we need to focus on that difference. However, the small difference can be reduced or even lost during the feature extraction process. In such a case, further analysis after the feature extraction rarely succeeds. This paper proposes a discriminative nonlinear normalization algorithm to improve discrimination ability. The proposed method emphasizes the difference between confusing characters. It measures the importance of each region in the discrimination of confusing characters. Then, it resamples the image according to the regional importance measure. As a result, it expands important regions but shrinks less important regions. Since it emphasizes important regions in the preprocessing step, it does not suffer from the information loss during the feature extraction. In experiments, the proposed method successfully detected and expanded important regions. In handwritten Hangul recognition, the proposed method outperformed other two recently developed pair-wise discrimination methods. On SERI95a data set, it improved the recognition rate from 87.69 to 90.11 %, achieving a 19.66 % error reduction rate.     

人耳人脸特征融合在身份鉴别中的研究

针对单一人耳识别对姿态变化鲁棒性较差的问题,鉴于人脸在图像性质和生理位置上与人耳具有相似性和互补性,使用了多模态特征融合的方法提高姿态变化下的识别率.与传统的独立成分分析首先获得独立的基向量(ICAl)不同,提出了利用ICA直接获得独立的鉴剐特征的方法(ICA2).在USTB图像库上分别将两种ICA特征进行单模态和多模态的融合.实验表明,两种特征的融合提高了单一模态的识别率,并且多模态识别优于单一的人耳或人脸识别.     

卷积深度神经网络的手写汉字识别系统

针对传统两级手写汉字识别系统中手写汉字识别的特征提取方法的限制问题,提出了一种采用卷积神经网对相似汉字自动学习有效特征进行识别的系统方法。该方法采用来自手写云平台上的大数据来训练模型,基于频度统计生成相似子集,进一步提高识别率。实验表明,相对于传统的基于梯度特征的支持向量机和最近邻分类器方法,该方法的识别率有一定的提高。     

基于D-LDA与最近特征分类法的眼虹膜识别系统

以3个主要处理阶段来实现一个高识别率的虹膜识别系统。撷取人眼图像进而分离出虹膜图像,再利用图像处理予以改善,使得虹膜图像更适于后续的识别。接着建立虹膜的特征向量,在虹膜图像展开的过程中,解决了虹膜图像旋转不变性的问题,然后利用直接线性判别分析（D-LDA）的方式进行特征抽取,使得所产生出来的特征向量拥有最大类别间距离与最小类别内距离的特性。最后,探讨多种最近特征分类法与其识别效果,并将上述方法设计完成一套眼虹膜识别系统。实验结果显示,在样本特征向量数较少的情况下识别率有96．47％,如果在每个类别中增加样本特征向量的数量,则系统的识别率可以达到98．50％。     

基于典型相关分析的组合特征抽取及脸像鉴别

利用典型相关分析的思想,提出了一种基于特征级融合的组合特征抽取新方法.首先,抽取同 一模式的两组特征矢量,给出描述两组特征矢量之间相关性的判据准则函数;然后依此准则 抽取它们的典型相关特征,构成有效鉴别特征矢量用于识别.该方法巧妙地将两组特征矢量之 间的相关性特征作为有效判别信息,既达到了信息融合之目的,又消除了特征之间的信息冗余 ,为两组特征融合用于分类识别提供了新的思路.此外,从理论上进一步剖析了所提出的方法 之所以能有效地用于识别的内在本质.在Yale和ORL标准人脸数据库上的实验结果证实了所提 算法的有效性和稳定性,而且识别率大大高于用单一特征进行识别的结果.