不规则数码脱机识别技术

在人类手写数码识别中，脱机不规则数码的识别是识别算法中比较难解决的问题．本文提出的一种识别方法，将笔道密度识别算法和层次特征识别算法相结合，对不规则数码脱机识别起到了十分有效的作用．在对0一9共10个数码，用多种方法手写，经扫描、二值化、平滑、边缘跟踪、压缩、细化等处理后，它的识别正确率在90％以上，达到了很好的效果．     

相连手写数字串的分割和识别

一种新颖的分割相连手写数字串的方法已经问世，它不象传统的分割识别方法，由分割点来专门检测断笔道，以连接上连手写的数字，我们的方法是把潜在分割点作为识别区域之一，并分析笔道轨迹来识别此区域。     

一个实用的手写成绩单识别系统

介绍了一个实用的手写成绩单识别系统，它既可以识别手写的数字成绩单，也可以识别手写的汉字成绩单。对脱机手写汉字的识别，提出了一种基于隐马尔可夫模型的识别方法。     

PDA能和人对话

手写识别引擎结合语音合成技术在掌上电脑PDA产品上的移植能够实现PDA产品的即时校对功能,所写即所读,不论是一个字或一段话,都能够轻松读出,这项技术是11月26日捷通公司完成的。     

明治天下 摩托罗拉PDA帝国创新纪元来临

2006年初,摩托罗拉尚品PDA明A1200横空出世,续写了摩托罗拉手写帝国的神话。经历2年半的时间考验,这款经典PDA手机依然称雄智能PDA手机市场,销量突破300万台。2008年,在无数摩托罗拉PDA手机忠实用户的翘首期盼下,MOTO凭借科技创新的强大动力,在PDA手机市场全面发力,从五月底陆续推出明A1800、明A1600和MOTO A810。不仅巩固了明A1200坚守的帝国霸业,更以GPS、高像素摄像头、移动多媒体、语音识别等一系列尖端功能对智能PDA进行了创新升级,昭告了PDA手机全能时代——摩托罗拉PDA帝国的一个新纪元的序幕已经拉开……     

摩托罗拉A728上市

7月8日,摩托罗拉全新的手写PDA产品A728在中国大陆全面上市。作为一款大众价格的商务手写PDA,A728拥有高手写输入识别率、快速识别和强大的联想记忆等三大优势。在商务应用方面,A728智能手机内置功能十分全面,包括日程表、计划任务、记事本、录音机以及文档管理等等,工作之中时时提醒、提早部署、重点记录。再忙碌,有“商务助理”的鼎力支持,工作游刃有余,卓有成效。同时,超强的个人管理器,与PC同步,各种场合随意收取E-MAIL,快速手写回复。此外,A728还采用了日趋成熟的Linux操作系统,支持GSM900/1800/1900MHz三频网络,支持SMS、E…     

沟通方式的质变

随着语音识别和手写识别技术的兴起,键盘作为人机交互主要手段的局面已被打破,但随之而来的是,在多种输入方式并存的情况下,准确识别率遇到了问题。在这种情况下,一种新的技术——CLM语言模型应运而生。     

基于支持向量机的手写体数字识别系统设计

数字识别是光学字符识别技术里发展比较早的一种技术,是OCR的一个分支。数字识别又分为手写数字识别和非手写数字识别,提到的手写数字识别是指脱机手写数字识别。支持向量机是近几年来模式识别领域中的一个新技术,它被广泛应用到文字识别、人脸识别等应用中,是模式识别领域中的研究热点,把支持向量机技术应用到手写数字识别系统中,以期提高识别系统的性能。     

基于图像处理技术的离线手写签名鉴别方法

由于手写签名具有高度的唯一性、不遗忘性、自然性与可靠性已成为身份识别的研究热点。文中对手写签名识别技术主要是离线手写签名识别技术进行了详细分析,在研究手写签名的特点和在身份认证中实用性的基础上,提出了一种基于图像处理技术的手写签名鉴别方案,该方案利用了图像的缩放和膨胀细化技术对图像进行处理,然后利用均方差和峰值信噪比来评价签名图像的相似度。试验数据表明该鉴别方法简单可行且高效,能获得较好的验证率和鉴别率。     

基于图像处理技术的离线手写签名鉴别方法

由于手写签名具有高度的唯一性、不遗忘性、自然性与可靠性已成为身份识别的研究热点。文中对手写签名识别技术主要是离线手写签名识别技术进行了详细分析,在研究手写签名的特点和在身份认证中实用性的基础上,提出了一种基于图像处理技术的手写签名鉴别方案,该方案利用了图像的缩放和膨胀细化技术对图像进行处理,然后利用均方差和峰值信噪比来评价签名图像的相似度。试验数据表明该鉴别方法简单可行且高效,能获得较好的验证率和鉴别率。     

基于长短期记忆神经网络的手写数字识别

手写笔迹识别是模式识别的一个重要研究领域。因为每个人的书写习惯有所不同,导致手写的字体有一定的差异。传统的Softmax模型在手写数字的识别结果上并没有达到人们的期望。目前,深度神经网络框架是模式识别领域的主流方法。长短期记忆神经网络(long-short term memory network,LSTM)是一种特殊的循环神经网络,它由输入门、遗忘门、输出门以及神经元组成。长短期记忆神经网络对于长序列问题有很好的处理。文中提出采用双向长短期记忆神经网络进行手写数字识别。采用MNIST数据集,分别使用传统的Softmax方法和双向长短期记忆神经网络方法对MNIST数据集里的图片进行识别。实验结果表明,传统的Softmax模型的正确率为92%左右,而LSTM模型的正确率达到了96.3%,提升4.3%。     

ThinkScribe捕捉“墨迹”

9月底在日本举办的 PC Expo 展会上,IBM 公司展示了一款新产品:ThinkScribe 手写识別笔记本。它的外观类似于普通的8×11英寸笔记本,使用方法也很相近。它会电子捕捉手写识别板上的“墨迹”,并根据需要将信息传送给电脑。ThinkScribe 手写识别笔记本是脱机的,具备普     

“金山笔圣”低价杀入手写市场

10月 21日,在 WPS 2000手写系统问世半年后,金山公司宣布推出自己的独立手写品牌——“金山笔圣”。如果说 WPS 2000手写系统还是尝试的话,那么金山笔圣无疑吹响了金山冲锋的号角,从新产品的名字上就可以看出势在必得的决心,金山笔圣的谐音是“金山必胜”。 　　同时,金山公司还向世人展示了国内第一款同时可以配置有线笔和无线笔的数位手写品牌——金山笔圣草书王。 　　金山笔圣草书王就是金山公司杀入市场的神兵利器,它是市面上第一个解决无线笔和有线笔共存的手写品牌。无线手写笔挥洒自如,便于长时间书写、绘画,但是以前…     

对联机手写汉字识别技术的研究——实现笔画识别

联机手写汉字识别(OLCCR)，是指用笔在图形输入板上写字，人一边写，机器一边认，是一种方便的汉字识别手段。在各种自动识别输入的方法中，OLCCR是能够代替或部分代替人工编码输入的惟一可能的方法。识别中主要是两方面的问题：建立汉字识别库和手写板上笔画轨迹的识别。文中就第二方面即手写笔画识别的问题进行了全面的研究，采用笔画基元帮助分析笔画轨迹，并用可视化编程工具Visual C 6.0实现了基于这种方法的笔画识别过程。     

基于启发式GA-SVM的手写数字字符识别的研究

数字字符识别技术是图像处理领域中的一个重要研究方向,并且在社会经济生活的许多方面有着越来越广泛的应用.预处理是手写数字识别中重要的一个环节,它的优劣直接关系到识别算法的性能.文中提出了一种改进后的数字字符识别处理方案.该方案首先对输入的数字字符图像进行预处理,然后使用大津法进行全局图像阈值选取,通过阈值处理将灰度图像转化为二值图像.最后利用libsvm加强工具箱和启发式遗传算法进行手写数字的识别.实验结果显示该方法提高了识别数字的准确度.     

基于KNN算法的手写数字识别技术研究

KNN遗传算法在手写数字识别技术中的应用,对图像、字符等进行识别计算处理,提高了手写数字识别技术的应用性.从手写数字识别技术计算流程、图像处理、数据处理方面,对KNN算法在手写数字识别技术中的应用进行了研究,在KNN算法的基础之上,提出了 Python库调用设计方案,并对Classify()函数和img2vector函数的程序设计代码进行了设计研究.     

基于机器视觉的英语自动翻译语法错误检测系统研究

针对传统手写英语字体存在语法错误检测准确率低，导致语法纠错效果不佳的问题。提出基于机器视觉的手写英语自动翻译语法错误检测系统。首先触发采集传感器，利用工业相机对手写英语字体进行拍摄和字体采集；然后利用处理算法对手写英语字体轮廓进行提取和识别定位；之后对识别字体特征进行重排序处理；最后通过训练后的基于BERT的英语语法错误检测模型进行语法错误检测。实验表明，对比于其他语法错误检测模型，本模型在测试集上的检测精确度明显更高，其最高可达90%。在120幅不同类别的英语手写图像中，本系统的英语语法检错正确率高达99.62%,比传统的人工检测方法高出了41.66%,且本系统进行语法错误检测的所用时间控制在25 s以下，相较于人工检测方式低了5倍。由此可知，本系统可实现手写英语字体的准确识别和分类，通过本模型能够提升手写英语语法错误检测率和效率，从而进一步提高了语法纠错效果。     

汉王 金猪版手写输入软件

汉王手写产品在今年最先公布的创新来自于软件方面．在历时4年的技术研发后．汉王推出了最新一代的手写识别核心——“金猪版”手写软件。它也是汉王2007年最新推出的个性化手写输入软件。     

在线手写数学公式结构分析算法

在线手写数学公式输入作为一种自然、快速的数学公式输入方法有着很大的应用前景。基于识别通用数学公式结构的范畴,提出了在线手写数学公式结构识别的算法。首先定义了数学公式结构的分形、支配关系并扩展了硬约规,同时根据手写公式的特点提出了最小生成树(MST)算法中一种新的权值计算方法,在此基础之上应用最小生成树算法和统计学的方法进行公式结构分析。与其他经典算法比较,所提算法扩大了识别的结构,同时识别正确率有所提高。     

用抽取笔划法识别限制性手写汉字的探讨

本文提出了用抽取与合成笔划识别限制性手写汉字的方法。对约150个手写汉字进行了模拟识别试验,证明该方法从原理上对手写规整汉字笔划的检出有良好结果。经过进一步改进,完成识别的后级处理等部分,有希望构成一个限制性常用手写汉字和多种印刷体汉字的原理性识别系统。