取汉字笔划的特征点来识别联机手写汉字

本文介绍一种如何取得汉字笔划特征点并对特征点进行处理的方法。在实际产品形成中使用了此方法，证明这样的处理简便、可靠。在联机手写识别过程中，对提高识别速度提高识别准确性起到良好效果。     

取汉字笔划的特征点来识别联机手写汉写

文章介绍一种如何取得汉字笔划特征点并对特征点进行处理的方法。通过在实际产品形成中使用了证明其处理简便、可靠。在联机手写识别过程中，对提高识别速度、提高识别准确性起到良好的效果。     

手写汉字的四角识别方案

手写汉字的本质特征的抽取是提高识别率的关键，而识别规则的生成又依赖于大量样本的归纳学习，手写汉字的四角方案就是针对这两个问题设计并实现的。实验结果证明了该方法的可行性和优越性。     

组合特征的联机手写维吾尔字母识别

通过分析维吾尔文字母自身的书写特点，为了进一步提高识别率，在原先的外围轮廓特征基础上，再提取了附加笔划形状特征、字母上下左右密度比例特征、笔画数特征以及主体部分和附加部分的位置关系特征，进行了诸多特征有效组合下的字母识别实验。其中，最高识别率达到了75．7％，比原先在单个特征下的识别率提高了近10个百分点。这表明，不同特征的有效组合是可行的，而且具有继续研究的潜力。     

基于HMM的分类器在联机手写藏文识别中的应用

为了解决联机手写藏文识别中藏文的曲线型笔划比较多,连笔情况很普遍以及相似字丁多等问题,提出了一种新的联机手写藏文识别方法:基于HMM分类器的联机手写藏文识别的方法.设计了三种不同的HMM分类器进行藏文字丁识别,实验结果表明,基于HMM分类器的联机手写藏文识别具有较高地识别率,前十位识别率可达93.9012%.     

一个新的脱机手写汉字数据库模型及其应用

本文提出一个新的脱机手写汉字数据库模型.此模型的特点在于将汉字样本信息与其书写者信息结合起来,因而既可为开发手写汉字识别算法提供训练和测试样本,也可用于研究各类人员的文字书写特征,探讨文字书写的相关因素.本文还介绍了一个应用此模型的实例HCL2000,并利用HCL2000研究了影响识别率的相关因素,并获得了一些令人感兴趣的结果.     

基于卷积神经网络的脱机单个手写汉字识别

本文在GoogLeNet网络基础上搭建了一个适合手写汉字识别的卷积神经网络.研究建立了新的手写汉字训练集,新训练集综合了现有的训练集并剔除了其中的错误,同时加入印刷体训练集,增加书写风格的多样性.训练神经网络时采用随机梯度下降算法,并加入动量项加速网络参数的收敛,使用正则项防止过度拟合,最终训练出的神经网络在训练集上的正确率为99.56％,在验证集上的正确率达到96％,并具有很好的泛化能力.     

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.     

用于手写汉字识别的文本分割方法

本文提出了一种手写汉字文本的分割方法,填补了汉字识别领域在文本行分割方面的空白.本方法首先对预处理后的文本图片进行池化处理,然后运用并查集算法得到每行为一个连通区域,最后调整每行上下的孤立区域的归属,最终把多行文本图片分割为单行,为后期的汉字列分割做准备.此方法虽然用行分割,但也为汉字的列分割提供了新的思路.     

基于重叠动态网格和模糊隶属度的 手写汉字特征抽取

本文在基于动态网格的手写汉字特征抽取方法中引入重叠网格划分,定义了一种反映书写结构的加权点密度,并提出了一种根据密度投影计算模糊隶属度的方法,这些措施提高了特征的分类能力.各种网格划分方法提取方向线素特征进行了试验比较,结果表明本文的特征抽取方法的在识别率上优于传统的动态网格方法和采用非线性归一化预处理的静态网格方法.     

一种手写汉字特征抽取的新方法

针对非特定人脱机手写汉字识别，本文提出了一种新的特征抽取方法。首先，将输入汉字模式进行非线性规一化；然后，根据汉字的横竖撇捺四种基本笔画将规一化后的模式分割成四个子模式；最后，将所得到的四个子模式分别均匀地划分成M×M个小网格，在每一小网格内统计笔画穿透数目，从而得到一个4M2维的特征向量。通过对国标一级3755个汉字的测试表明，正确识别率达90％以上，从而证实了本文方法的有效性。     

在广电设备机房管理和测控系统操作中手写汉字识别技术的应用研究

随着广播电视数字化进程的加快，前端设备及机房的数字化管理和测控也越来越重要。本文针对其管理和测控系统操作只需少量汉字服务的实际情况，提出一种在线手写汉字识别用于测控系统操作的方法。该方法借鉴笔段链码特征，建立以笔画一笔段数目作为检索参数的字典库，按领衔汉字列显命令供用户点击选用，依据转换表形成实际操作命令。应用结果表明，该方法操作可靠，保密性好，拓展了手写汉字在线识别的应用范围。     

基于部件特征的分类方法及在汉字识别中的应用

文章针对汉字的特点，选取一定的轮廓加权值为部件特征向量的度量，提出了一种基于部件特征的特征提取方法。并根据部件的特征和属性，采用ID3算法训练出一个决策树。结合ID3决策树和模糊逻辑的概念，采用粗分类和精分类两级分类判别的方法，首先利用每个部件的权值将部件细分成可处理的小组，然后分析待识别的汉字字符属于哪个不可再分的小组，从而提高了汉字的识别速度和识别效率。     

包含高阶统计量的手写汉字分类尺度

在实际应用系统中,由于得到的信号往往不服从高斯分布,因而基于高阶统计量的信号处理方法越来越受到重视和应用.对于手写文字特征而言,它的分散特性很难用高斯分布描述,因而本文提出了一种通过高阶统计量来描述文字分散特性的方法,文中给出了三种不同形式的高阶统计量,并且通过在脱机手写汉字数据库HCL2004^[1]上进行实验,比较了基于这三种方法的模板匹配汉字识别系统的性能,同时也证实了该方法的有效性.     

手写金融汉字识别中的可信度估计

由于实际票据中的手写金融汉字书写得并不规范,而且还会受到票据的背景底纹和印章等因素干扰,所以正确识别率很低.为了达到要求的识别精度,必须拒识大量样本,这样就限制了票据识别系统的自动处理率.本文提出一种基于支持向量机的可信度估计方法,其特点是针对每个文字类别,专门构造用于易混淆字判断与可信度估计的支持向量机.该方法充分利用了支持向量机在少量训练样本情况下对两类判断问题的学习能力,可以准确地估计可信度,从而在拒识较少样本的情况下达到要求的识别精度.     

用光学联合变换方法对手写汉字进行分类识别

用光学联合变换方法，结合ＣＣＤ数据采集系统，对手写汉字进行统计分类识别，通过实验得出了各类别的相关峰值范围，其实验结果良好，有较大的应用前景。     

基于压缩感知的阅卷系统手写汉字识别算法

针对阅卷系统中手写汉字识别率和识别精度低的问题,文中提出一种基于压缩感知理论的阅卷系统手写汉字识别算法。该算法首先对阅卷系统手写汉字图像进行随机采样得到其特征;然后对其进行稀疏表示,并最小化其l1范数以得到样本的稀疏解;最后利用该稀疏解的系数判别测试样本的类别。该方法用对信号的随机采样替代了传统的特征提取方法,简化了算法的实现过程,同时用现有的训练样本组成训练字典,避免了复杂的训练过程。该算法在手写汉字数据库ETL9B上的识别率达到99.1%。