国际图像系统（I^2S）上手写汉字识别研究

提出一种用Ｒａｐｉｄ算法对手写汉字进行识别。它是在国际图像系统上实现的。文字图像经摄像机输入，预处理时采用锐化边界，使图像边界清晰，文字图像经正规化后，进行Ｒａｐｉｄ变换，抽取识别特征，特征抽取能比较好地吸收手写汉字变形和扭曲，提高识别率，计算机实验表明，本算法对手写汉字识别是比较有效的。     

构造化线段特征矩阵的手写汉字识别

本文介绍了一种利用线段特征矩阵进行匹配的手写汉字识别方法。对输入文字图像测定其笔划宽度，抽取四个方向子图像。然后，利用文字图像重心分割图像成若干区域，按分割的区域，求各子图像区域的线段特征矩阵，与样本字库比较识别，进行手写汉字识别分类。实验表明本方法是有效的。     

一种改进的脱机手写汉字四角特征粗分类方法

将粗分类应用于脱机手写汉字识别中,采用这种多层次分类策略,能有效地改善识别的性能,提高识别精度。本文提出了一种利用四角区域结构特征对手写汉字进行粗分类的方法。在对汉字基本笔画进行分析的基础之上,根据手写汉字形变的特点以及识别算法的要求,定义一组新的笔画单元,并将这些笔画单元与汉字特定区域内的结构进行比对,得到一组4位结构特征编码,以此作为脱机手写汉字粗分类的依据。对GB2312一级字库中的部分手写汉字进行采样和识别实验,结果证明改进的四角结构特征用于粗分类的有效性。     

利用笔划密度函数等特征的手写汉字识别的讨论

为了对手写汉字的识别分类的方法进行探讨, 本文提出了一种分类处理能力强, 速度比较快, 算法上能尽量克服手写变形影响的手写汉字的识别分类方法。一般要求正介文字在候补文字上进行选择, 候补文字的数额要小。我们利用手写汉字笔划密度函数特征、粗网格特征、粗外围特征以及几个特征的拜用来对文字进行识别和分类, 用计算机进行模拟和验证。由实验可以知道利用各自的每一个特征, 分别有其相应的分类能力, 差不多到第五位或第七位分类能力可达到100%,如果将三个特征并用, 正如所予期的, 分类能力可以提高, 到第三位就可达到100%,这是因为各个特征分别从不同的方面吸收了手写的变形。     

基于过程神经网络的手写体汉字识别方法研究

分析手写体汉字各类基本笔画间的拓扑关系,将手写体汉字图像转化为具有容错表征方式的多种汉字笔画类型在不同位置组成的几何图形。采用过程神经元网络提取手写体汉字各类型笔形,统计各类型笔形和相交点的数量,从而建立手写体汉字特征知识的数据结构表。对SCUT IRAC手写体汉字库中汉字进行了实验仿真,该方法大大降低了脱机手写体汉字识别的难度,有较高的汉字识别率。     

汉王全智能阅读器开发成功

汉字识别技术是中文信息处理计算机化的关键技术,一直被国家列为重大科技攻关项目。自中汉王科技公司在国家863计划的支持下,经过广大科技人员多年的努力,在技术上取得了重大突破,较好地解决了手写汉字计算机自动输入问题,并首次开发出汉王全智能阅读器(手写和印刷OCR系统)。汉王全智能阅读器(OCR系统)是印刷体、手写汉字的扫描识别及联机手写汉字识别—汉王笔三合一软件,它通过扫描仪把印刷、手写文稿扫描成图像、然后识别出相应的汉字代码,对     

一种新的加权动态网格汉字特征抽取方法

为了更有效地提取手写汉字的特征,提高识别精度,本文提出了一种利用非线性归一化过程产生的坐标变换信息来提取手写汉字有效特征的方法。该方法通过非线性归一化获得各有效像素点在原汉字图像及规整后汉字图像中的坐标变换关系,在原图像上抽取各点特征,在归一化图像上进行网格的均匀划分和特征统计并形成用于分类的特征向量。该方法有效克服了以往先进行归一化预处理方法和动态网格方法的一些不足,兼顾了与传统结构特征提取方法的有效结合。针对HCL2000脱机手写汉字库大字符集样本的实验结果表明,该特征提取方法可有效提高识别精度和特征抽取速度。     

基于粗糙几何的脱机手写体汉字预处理

传统的图像预处理方法未能预防汉字书写带来的伪特征点（断点、伪交叉点）,利用粗糙几何理论对汉字图像进行粗糙化,克服了以上缺点,同时减少图像大小,提高手写汉字识别速度。     

基于笔顺自由及连笔的联机手写汉字识别

提出了一种基于笔顺重排算法的手写汉字识别。将手写汉字的可见线段和不可见线段进行联合编码,并 采用了一种基于单字切分及基本笔顺表的识别方法。首先将单字分解为部件,根据分解的结构,对字典进行粗略的过滤,将字典中不符合待识别汉字拆分结构的字排除,然后根据笔划编码进行识别,有效提高了笔划的匹配速度,较好地解决了联机手写汉字识别中连笔及笔顺自由问题。     

基于Delaunay与多边形三角剖分的印鉴识别算法

研究印鉴图像姿势纠正及印鉴匹配处理问题.在研究Delaunay三角剖分方法与多边形三角剖分方法的基础上,提出一种基于DT网格的印鉴识别方法.该方法通过对两种细节点(基于线条的细节点和基于多边形的细节点)的拓扑结构进行DT三角划分.用Delaunay三角剖分方法对基于线条的细节点集进行三角剖分,对基于多边形的细节点直接进行多边形三角剖分.通过对两种细节点的拓扑结构进行三角划分,把空间上位置相近的细节点按照三角剖分的规则相连,得到DT三角形网格.然后基于该网格寻找若干参考点对,并根据获得的参考点对将两幅印鉴图像进行姿势调整.实验结果表明该方法可以获得较多的参考点,确保印鉴旋转、印鉴平移等参数计算结果的准确性,有效提高最终的识别效果.     

脱机手写汉字中叉点精细化的改进算法

提出了一种新的脱机手写汉字中叉点精细化的改进算法。它主要是在提取了手写汉字骨架之后，用Rutoviz相交数得到特征点。在此基础上进行叉点精细化的算法。该改进算法以最大圆规则为基础，结合实验中发现的问题，增加了新的规则，使叉点结合的错误率几乎为零。从而进一步提高了脱机手写汉字识别的正确率。     

一个手写印刷体汉字识别实验系统

本文在充分考察了手写汉字和中国大汉字集特点的基础上, 提出了一组用于手写印刷体汉字识利的分类特征, 它们是长笔划分布类型、各类笔划的数目、交叉点数目和折点数目。利用这组特征进行匹配就可直接识别出GB2312-80汉字集中的绝大部分汉字, 再通过一个基于知识的推理过程即可进一步识别出已被分成类组的少数剩余汉字, 这种将统计分类与基于知识的推理识别相结合的两级识别方法具有较高的效率。一个适应性较强的汉字笔划和特征点抽取方法也被设计, 它是SLSA方法的改进, 与机器学习功能相配合, 大大提高了特征抽取的正确率。我们根据上述思想建立了一个手写印刷体汉字识别实验系统, 并获得了较好的实验结果。     

利用统计特征和结构特征识别手写汉字的方法

手写汉字识别是实现办公室自动化的前沿课题，选择具有良好可分性的特征，是提高系统识别率的根本保证。本文提出汉字的横竖方向上笔划穿越次数投影的Rapid变换为统计特征，用汉字的四边及四角部位作为结构的特征，通过对40，000个汉字样本的实验，结果表明分类效果良好，可以用此方法做成一个汉字识别系统。     

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。     

清华大学电子工程系推出THOCR—97综合集成汉字识别系统

清华大学电子工程系,经过两年多的时间,研制成功了综合集成汉字识别系统,并于1997年3月22日通过国家教委的鉴定。 THOCR—97综合集成汉字识别系统(即多文种OCR以及联机和脱机手写汉字、数字识别的综合集成)是在过去十余年印刷汉字识别研究的基础上,除了在多文种、版面恢复、鲁棒性提高等印刷文本识别系统性能上有重大性突破外,还将联机手写汉字识别、脱机手写汉字文本识别、手写数字识别和手写数字统计报表     

脱机手写汉字机器识别方法研究

脱机手写汉字机器识别方法的研究是人机接口自然化和智能化进程中的一个重要课题。目前,对于印刷体汉字的识别已取得了满意效果,出现了“读”书的机器,但对于脱机手写汉字的识别,还需要进一步探索和研究。本文就将探讨针对这一难题的各种研究方法。◆ 结构模式识别方法结构模式识别是早期脱机手写汉字识别研究的主要方法。集中在如何准确地抽取基元、轮廓、特征点等能够反映汉字结构信息的特征上。通常,抽取笔画需要进行细化处理,但是细化算法不仅速度慢,且易产生伪笔画段,单纯采用结构模式识别方法已不能满足脱机手写汉字识别系统…     

一种手写汉字拓扑图表示及其动态获取

手写汉字的机器识别,属于图像模式分类问题。所谓图像模式分类,指的是把一定范围内的图像,分成预先确定的类别,然后再去对给定范围内的图像进行识别分类。显然,这其中预先确定类属性特征、类标准模板以及具体分类识别策略都是图像模式识别的关键问题。对于我们具体的手写汉字识别问题,由于单字结构分析和基元形态分析一起可以给出汉字形体的完整描述,而统计形态分析却难以满足大规模汉字字集的集群性和分离性要求。     

基于Radon变换的手写汉字的识别方法

在手写汉字的自动识别方面,至今普遍采用构造解析和匹配相结合的方法。本文提出一种新的特征空间抽出方法和与此相关的识别方法。此法是由汉字轮廓的Radon变换的像函数的解析以求得手写汉字的特征空间,是利用最大共同子序列和加权最大共同子序列的方法进行识别。 初步实验说明了本文提出的解析方法和识别方法的有效性,求得了一系列对字体变形不敏感的、相对稳定的特征向量。     

用非精确结构匹配法识别手写印刷体汉字

本文为手写印刷体汉字识别提供了一种新的解决方法。在研究过程中, 从汉字图象的输入到识别结果的获取, 建立了一整套基本完整的识别实验系统。系统选择四边形状特征作为粗分类的基本特征, 提出汉字最稳定的结构是笔划段之间相对位置关系的思想。在粗分类时引入集合运算, 提高了粗分类的正确率和分类能力, 在细分时用快速合并笔划段的方法获取汉字笔划段作为细分特征。最后对于关系结构图的匹配提出了一种新的匹配方法一相关属性关系图启发式匹配,这种方法利用了汉字样本知识, 建立具有相关属性的关系图, 在其指导下, 完成非精确的结构匹配, 该系统在386微机上用汇编语言实现, 对1千个手写常用汉字识别率达百90%以上, 速度是每字2秒。     

水族文字笔形编码方法研究

针对水族文字不易编码的问题,提出一种基于笔形特征的编码方法。分析《水书常用字典》收录的467个水族文字的字形特征,总结出7种基本笔画。通过统计比较,将7种基本笔画按几何形状细分重组为21类笔形。依据编码规则,取水族文字3个角的笔形组成有序序列,实现水族文字的编码。