印刷体字符的识别方法

本文以字符在各象限的端点数和转动惯量为识别特征,并利用邻类兼容和多级分类来识别印刷体字符。这种方法具有较强的区分相似字符的能力。本方法在C-4500数字图象处理机和FELIX-C512电子计算机组成的系统上做了实验,对6000个印刷体汉字的识别取得了令人满意的结果。     

基于小波特征的单字符汉字字体识别

汉字图像不仅包含了汉字的字符信息,还包含了汉字的字体信息.字体信息是版面分析、理解和恢复的重要依据,还有助于实现高性能字符识别系统.目前的字体识别方法还不能对单个汉字字符的字体进行识别.本文提出了一种新的字体识别方法,能够在不知道汉字字符的前提下,识别单个汉字的字体.首先对单个汉字的字符图像进行小波分解,在变换图像上提取小波特征.提取的小波特征经Box-Cox变换整形后,用线性鉴别分析技术(LDA)进行特征选择,得到字体识别特征.所使用的分类器是MQDF分类器.在包含7种字体的样本集上进行的实验表明,本文提出的方法能够在不知道汉字字符的前提下,对单个汉字的字体进行有效识别,基于单字的字体识别率达到97.35％.     

实验性6763个印刷体汉字识别系统

本文提出一种识别国标两级(6763个)印刷体汉字的新方法。根据汉字的结构,定义了一组结构特征(边框特征、局部特征和笔划端结点),作为预分类和匹配、识别的依据。 建立了一个识别6763个汉字的实验系统。实验结果表明,系统具有较高的抗干扰能力,正确识别率优于98％。     

一种基于笔划特征的印刷体汉字识别方法

本文根据汉字的结构特点,以组成汉字的基本结构——笔划作为识别的基本单元,提出了笔划区域编码的分类方法和利用笔划有序四元组的识别方案,这种方法具有较强的分类能力和抗噪声能力。利用由FX-3300传真机、IBM-PC和TS-84图象显示系统所组成的汉字识别实验系统,对3,755个仿宋体印刷汉字进行多次现场识别,取得了较好的结果。     

一种基于运动图像的在线手写汉字识别方法

在分析传统联机与脱机手写汉字识别系统基础上,本文提出了一种基于运动图像的在线手写汉字识别新方法.该方法利用普通摄像头,实时地采集手写汉字墨迹的运动图像,通过图像处理技术提取手写汉字,并进行在线识别.文中给出了笔尖匹配的快速算法和基于数学形态学的汉字提取方法.最后,通过实验验证了本文方法的有效性.     

基于矩和Gabor变换的手写体汉字识别方法

特征提取是手写体汉字识别的一个研究难点。本文提出了一种基于特征融合的新提取方法,即将Gabor变换和正交矩变换结合起来,用正交Zernike矩提取全局特征,用Gabor变换提取局部特征,然后使用主成分分析的方法进行特征压缩。由此得到的特征向量能从整体上和局部上反映汉字的特征。实验证明该方法是行之有效的。     

一种基于目标红外特征的目标分类识别方法

基于目标的红外选择性,提出了目标的９个特征量,并以它们为分量组成目标的特征向量,以此来进行目标的分类识别。由于特征量单位不统一,提出了一种近邻分类法。文中用３类飞机的红外图像进行实验。实验表明,用这种方法把提出的红外特征量用于目标的分类识别效果很好。     

一种车牌识别软件系统研究

针对现有车牌识别算法中的车牌定位、字符分割和字符识别三个核心模块存在的不足,提出了一种基于边缘两侧颜色检测的车牌定位方法;通过采用动态阈值调整方法,很好的实现了字符分割;对神经网络在字符识别技术中的应用进行了大量的研究和实验,根据汉字和数字、字母特征提取的不同,在对字符信息初识别时将汉字和数字、字母采用不同结构参数设置的神经网络进行识别,并对识别结果中包含的具有形体相近的字符提出了一种"不等权值"的方法。结果证明识别率有了明显提高。     

基于Gabor滤波的表情动态特征提取方法

针对目前动态特征提取方法在提取序列表情特征时人脸外貌特征也一起被提取的缺陷,提出了一种基于Gabor滤波的表情动态特征提取方法。利用Gabor滤波器在频率和方向上的选择特性,在提取表情特征时较好地抑制了人脸外貌特征的提取,从而减少了表情特征中人脸外貌特征的含量。在Cohn-Kanade和CMU-AMP人脸库上的表情识别实验表明,本文方法获得的表情动态特征对表情识别更有效。     

车牌识别中字符识别的研究

对智能交通系统进行了简要的概述,分析了字符识别在车牌识别中的重要性及选取特征的标准,针对车牌中汉字与大写字母和数字采取不同的特征提取方法,最后进行实验分析并对其识别效果进行比较,发现用改进的13点特征法对汉字进行特征提取,其识别效果要好于直接用13点特征法对汉字进行识别。     

基于DCT和线性判别分析的人脸识别

 提出基于离散余弦变换和线性判别分析的人脸识别方法.DCT变换本身并不进行数据压缩,它只是将图像源数据映射到另一个域,如何在新的数据域中选择最有效的DCT系数作为识别特征成为关键问题.本文从选择有效特征角度出发,引入特征选择算法,根据可分性判据确定将哪些DCT系数作为特征,然后对选出的DCT系数进行线性判别分析提取识别特征.在ORL人脸库上的实验结果证明了提出方法的有效性.     

贝叶斯分类器在手写汉字识别中的应用

由于缺少以较少的存储空间描述汉字特征概率密度函数方法,在汉字识别系统中贝叶斯分类器很少得到应用.本文提出一种只需6个数据就能描述一个特征的概率密度函数的方法,构造了一个基于贝叶斯分类器的手写汉字识别系统.实验结果表明,该分类器具有优良的性能.     

一种基于段化的手写汉字特征点提取方法及其实现

手写汉字识别中的特征点提取，一直是结构匹配方法中的一个关键问题．系统识别率很大程度上取决于特征点提取的正确率．本文在总结前人和作者以前工作的基础上，提出了一种新的段化特征点提取方法，并具体用于手写汉字识别的实用系统中，取得了十分理想的效果．从已测试的１８００×１０个样本字的结果看，特征点提取正确率突破了９８％大关，为实用化手写汉字识别系统奠定了基础．     

基于特征点的汉字字体识别研究

该文提出了整体分析法和个体分析法的概念,并在分析它们各自适用范围的基础上,指出个体分析法更适合于解决印刷体汉字字体识别。在此基础上,提出一种基于特征点的个体分析法来解决汉字字体识别问题,与以往方法相比,该方法具有3个优点:识别可信度可控;处理速度快;适用于多语混排情况。实验结果表明,该方法有效解决了印刷体汉字字体识别问题,其性能大大优于以往方法。     

基于特征选择的微博水军识别研究

随着互联网飞速发展,微博等社交媒体也迅速成长起来,与此同时,微博平台上网络水军也越来越多。为了能够识别水军,还网络世界一个清净之地,本文针对Twitter平台,利用3个不同数据集以及Scikit-Learn库中3种分类算法进行实验,实验采用相关性检验方法比较不同特征集差异,得出提高分类效果准确率的有效特征,并通过不同机器学习算法训练数据集,得出最优算法。本实验在Twitter真实数据集下进行,实验结果表明“,推特用户收藏、回复、转发总数actions”特征的引入在很大程度上提高了分类效果准确率;并且相较于支持向量机与K最近邻算法,随机森林分类法能够更有效识别水军。     

在线汉字识别技术在广播电视实时检测系统中的应用

针对广播电视检测系统中只需少量汉字服务的实际情况,提出一种使用在线手写汉字识别的方法,来优化系统设计.该方法有三个特点,一是通过利用汉字的笔段链码特征,在单片机中建立动态字典库和词汇库;二是操作者只需手写极少"领衔汉字"供系统识别,系统并将与其相关联的所有命令都显示出来,供操作者选用;三是被检测点的数量等改变时,系统程序不变,且状态既能用数据显示,也能用释意汉字串显示.实用结果表明,该方法具有稳定、高效、经济、使用方便等特点,并且拓展了手写在线识别技术的应用领域.     

一种基于集成BP网络的手写汉字识别方法

针对脱机手写体汉字识别，文章给出了一种基于多层BP网络的并行集成方法，该方法是纯神经网络的多分类器并行集成方案。汉字经预处理后，采用弹性网格变换和Zernike矩分别对汉字进行局部和全局特征提取，利用两个BP网络分类器对这两种特征进行训练和初分类。再利用集成网络对前两个子网络的识别结果进行识别。同时对BP网络的应用做了有益的探索，也为BP网络在人类别分类问题中的应用提供了一条可行的途径。实验结果验证了此方法的有效性。     

基于GoogLeNet的手写体汉字识别

近年来基于深度学习的方法识别手写体汉字取得了很多突破,但现有的一些方法存在计算参数多、模型收敛慢、训练时间长的缺点。针对以上问题,提出了基于GoogLeNet的脱机手写体汉字识别模型HCCR-IncBN,模型使用了5个Inception-v2模块,训练参数较少,模型收敛更快,存储整个模型只需要26MB的存储空间。实验利用HCCR-IncBN模型在ICDAR2013数据集获得了95.94%的识别准确率,表明模型在没有使用任何手写体汉字的特定领域知识和无需人工提取其他特征的前提下能够获得较高的识别效果。     

基于堆栈降噪自动编码模型的动态纹理分类方法

针对以往动态场景分类中需要手动提取动态特征描述符以及特征维数过高的问题,提出利用深度学习网络模型进行动态纹理特征的提取。首先利用慢特征分析法(SFA)预先学习每个视频序列的动态特征,将该特征作为深度学习网络模型的输入数据进行学习,进一步得到信号的高级表示,深度网络模型选用堆栈降噪自动编码模型,最后用SVM分类法对其进行分类。实验证明该方法所提取的特征维数低,并且能够有效地表示动态纹理。     

基于激光雷达与红外图像融合的车辆目标识别算法

为了提高车辆目标在不同测试条件下的识别效率,降低系统的漏检率和误检率,提出了一种基于激光雷达与红外图像融合的车辆目标识别算法。该算法利用目标原点矩参量表征目标的红外特征,用匹配相似度表征目标的点云特征,再经过轴系对齐和尺度变换实现图像融合。实验采用激光雷达与红外同轴光路获取的两类数据进行图像融合,再利用目标匹配阈值进行迭代筛选,最终识别车辆目标。对比了1帧、20帧和40帧图像中具有不同属性的车辆目标识别效果,结果显示,本算法输出的目标识别区域正确适当。在1000帧图像的多种测试条件的实验中,本算法的漏检率均小于100,误检率均小于50,明显优于传统的距离向数据分类法和光谱分类法,验证了其具有较好的鲁棒性。