一种基于参照模型的联机手写汉字识别方法

联机手写汉字的识别是模式识别的热点问题，现在所采用的多为特征匹配和结构匹配两种方法。结构匹配方法充分考虑了笔划间的连接关系，能构得到较好的识别率。结构匹配的关健在于如何有效地从输入手写汉字中提取笔划。考虑到同一个汉字的手写体会由于笔划的长短、延伸角度的不同而有所区别，但彼此仍存在极大的相似性，文章提出了一种基于参照模型的手写汉字笔划提取及匹配方法，以解决手写汉字识别问题中的难题。     

联机手写体汉字识别系统中汉字的输入及其特征的提取

汉字识别是模式识别领域最富挑战性、又极具应用前景的研究课题之一,而联机汉字识别是近期需求十分迫切的技术,字量大、字形复杂多变、笔顺没有一定的规范、笔划数目变动等多种因素,是联机汉字识别的主要困难。笔划相对易于提取是联机识别的优点。针对联机手写体汉字的特点,提出笔划轨迹点方向量化的方法,提取笔划和计算笔划间的连接关系,形成输入样本字的特征。     

手写汉字识别粗分类方法的研究

提出了一种基于汉字结构关系的手写汉字识别粗分类的新方法。该方法以抽取手写汉字基本笔划为基础，利用汉字的结构特征进行粗分类。它不公算法简单、分类速度快、分类能力强、分类稳定、可靠，在分类的同时又能把组成汉字的部件及其笔划随之而分离出来，为用句法结构方法识别手写汉字奠定了基础。     

联机手写汉字识别算法及其系统实现

基于统计模式识别原理的联机手写汉字识别算法,提出了一种新的笔划识别算法-笔划识别的混合算法,它是方向码差值判别法与坐标差特征值判别法的有机结合,同时提出了笔段二值化等概念,并论述了以最小距离判决法则为理论依据的特征坐标匹配识别原理。     

手写体笔迹单笔划提取算法

汉字笔划提取在笔迹鉴别研究中具有重要的意义,一旦汉字笔划提取在正确率和速度上取得突破,汉字笔迹鉴别乃至汉字的识别都将产生重大的突破.本文借助图像压缩技术中的游程长度编码技术,以计算像素点的方向游程长度为基础,通过计算待拆分汉字笔划厚度的方法来定义像素点方向游程长度的阈值.利用游程长度的阈值对像素点的方向游程长度进行分类,处理笔划交叉问题.该算法可对书写工整的汉字进行有效笔划提取.     

一种新的汉字笔划疏密的描述方法

手写体汉字的点阵图一方面反映了汉字本身和笔划结构特征，另一方面也反映了书写者的个人书写特征。从模式识别角度来说，我们的目的是试图消除个人书写特征，即实现在特征空间中让模式的类内距离减小。这种汉字矫形的基础是汉字笔划疏密的描述。本文提出了一种新的汉字笔划密度函数，它对复杂区域有较好折分辩能力，为下一步的汉字识别奠定了良好的基础。     

用自然结构分析法识别手写汉字

本文从汉字的自然层次结构出发,提出了手写汉字识别的自然结构分析法。在充分考查了国标集6763个汉字的基础上,建立了一个模拟实验系统。在该系统中,使用了扩充的有限自动机和启发式搜索等技术。该系统能识别带有少量连笔的手写汉字。实验结果表明:自然结构分析法是一种有效的手写汉字识别方法。     

汉字笔划的计算机分解和综合

本文提出了印刷体和手写体汉字笔划的计算机分解和综合的一种方法,此方法是对细化后的汉字抽取出横、竖、撇、捺等基本笔划,对细化过程中产生的断笔划进行合并,然后进行分类.实践表明,用此方法进行汉字识别,有较高的识别率.     

基于与或树结构的手写汉字识别方法

提出以与或树结构来描述手写汉字结构特征和笔划特征的方法，并以特征树之间的距离量度来判定特征树的匹配，从而达到识别汉字的目的。此外，使用与或树结构能够归纳出训练字的共性和差异，并对识别字典充实与完善。     

一种快速有效的印刷体汉字识别方法

笔划代表着汉字的内部特征,笔划穿越次数是对笔划进行全穿越,反映了汉字的整体特征,全穿越在粗分时区分汉字的能力不是太强,增加了二级识别的工作量。除了提取笔划全穿越外还提取笔划半穿越,并把半穿越的次数进行重新组合形成新的特征值。把全穿越和半穿越结合起来作为汉字的特征值,对汉字进行粗分,粗分不能区分的汉字,采用四个角的能量值密度特征对汉字进行细分。实验结果表明了该方法的有效性。与单独使用全穿透方法相比,提出的方法在粗分时区分汉字的能力增强,减少了二级识别的工作量。     

利用图论算法识别限制性手写汉字

介绍了以图的同构算法为基础,对限制性手写汉字进行了计算机光电识别的方法。该方法已能识别限制手写汉字,正确识别率超过８５％,并且有潜力识别更多的,数量不限的汉字。     

基于双模编码器-解码器框架的联机手写数学公式识别

为了充分利用联机手写数学公式的笔迹特征和全局二维结构特征, 将联机模式和脱机模式联合, 设计了一种基于编码器-解码器框架的双模识别模型。该模型可接受一维坐标点序列和二维静态图像形式的手写数学公式数据, 通过联机编码器从输入的坐标点序列中提取笔迹特征信息, 并通过脱机编码器从静态图像中提取二维结构特征信息, 进而充分保留手写笔迹特征和全局二维结构特征。在编码器阶段, 针对联机模式提出正弦编码, 对输入的坐标点序列进行编码, 补充笔画级别的信息, 能够有效避免笔画间隔模糊导致的笔画信息丢失的问题; 针对脱机模式提出平滑注意力机制, 通过引入平滑窗口的方式, 实现特征图中每个像素特征的感受野的自适应调整, 在一定程度上解决了普通的注意力机制无法同时对尺寸相差较大的手写符号筛选有效特征信息的问题, 有效提升了注意力机制捕捉有效手写区域的能力。实验结果表明, 该模型的公式识别准确率可达58.76%, 并且与相同领域内其他的识别模型相比, 其可将公式识别准确率提升1.56%~4.71%, 达到较高水平。

     

基于结构特征的汉字识别

提出一种基于文字结构特征的神经网络手写汉字识别策略，根据所提取的文字笔画方向、基本轮廓和交叉点等特征，采用基于自组织神经网络的模式聚类该方法完成正规手写文字的识别。该方法提取的笔画轮廓十分准确有效，对手写汉字的约束少，可识别的汉字数量大，在仿真实验中有效地识别了绝大多数手写汉字。     

用动态有序弹性匹配方法识别手写印刷体汉字

本文为手写印刷体汉字分类提供了一种新的实用解决方法。本方法采用日本山本氏提出的用松驰匹配方法识别手写印刷体汉字的基本思想。给出了用汉字轮廓点的差分作为轮廓跟踪及折断点选择的算法,提高了轮廓折线化速度;分类是按汉字四周的外轮廓线分二级进行匹配的,提出了动态有序弹性匹配方法,使全域松弛匹配得以在局部区域进行,从而有效地提高了匹配速度;在进行第一级粗分类时,采用多个模板,有效地提高了按偏旁位置分布进行分类的正确率;最后利用内轮廓折线与字典逐字匹配,达到手写印刷体汉字识别的目的。本识别系统在386微机上用C语言编程实现,对国标一级3755个汉字进行了三万余字的识别试验,前十位的累计正确分类率达92%,第一位的累计正确分类率达84%。识别时间为每字1.8秒。     

用于相似字识别的手写汉字特征优化方法

针对常用的手写汉字特征提取方法不利于后续线性区分分析(LDA)特征变换中发现相似汉字的细微区分信息,通过将传统的手写汉字特征提取和LDA变换表述为像素级特征的二维特征矩阵优化问题,并利用二维线性区分分析(2DLDA)变换进行手写汉字特征矩阵的优化,提出了一种用于手写相似汉字识别的特征优化方法.该方法可以避免高维像素级特征向量利用LDA变换进行优化中的散度矩阵奇异性问题.对手写相似汉字的识别实验表明,相对于传统的方法,经过所提方法优化的梯度特征,识别错误率可以降低48.86％,验证了方法的有效性.     

古文字的联机手写识别研究

分析了近年来古文字研究与计算机技术相结合的一些重要成果,以及古文字的构形特点之后,提出了一种用于识别联机手写古文字的方法,详细介绍了所采用的笔画特征和字元特征,主要包括在古文字书写变形中具有较高稳定性的7种笔型特征,以及笔画交叉点、字元相对位置特征等等.并在此基础上,介绍了所构建的一个古文字识别的原型系统.同时指出了系统在对异体字的兼容,对古文字音、义的处理等方面存在的不足,提出了古文字识别智能化的研究方向,对今后古文字联机手写体识别的改进具有一定的参考价值.     

CAD支撑软件:汉字处理系统——点阵式汉字的笔划式输出

本文介绍把点阵式汉字转换成笔划式汉字的识别算法,由此可以直接从点阵字库绘制汉字。这个方法已在UV/68超级很型机和IBM—PC机上成功实现,用户可在C语言或FORTRAN语言程序中调用。     

部件字典结合时分方向特征的手写维吾尔字符识别

针对联机手写维吾尔128类变体字符,提出了一种基于部件字典和时分方向特征的识别算法。该算法首先结合连笔分析,将字符分解为主体、附加和点三类部件,建立手写维吾尔字符的部件字典,有效解决联机手写维吾尔字符的笔顺连笔自由问题;然后,为减轻手写字符拓扑变形造成的干扰,对单个部件提取一种新的联机特征-时分方向特征,该特征在模糊域提取方向链码然后按时序划分统计,并通过检测和调整短时变动进行抖动校正;最后,设计不同分类器对各部件进行匹配,利用匹配测度分布估计各部件权重,并通过加权朴素贝叶斯融合得到字符识别结果。实验结果表明,该算法能有效地识别128类无约束手写维吾尔字符,在包含13 056个样本的手写体维吾尔字符数据库上的平均识别率为93.15%。     

DBN融合模型对脱机手写汉字识别

针对脱机手写汉字识别问题,提出一种新的分类器级联识别模型。新模型将修正的二次判别函数(modified quadratic discriminant function,MQDF)与深度置信网络(deep belief network,DBN)相融合,利用MQDF先进行识别并得出结果,同时计算一个该识别结果的可信度,通过这个可信度对识别结果进行判别,若可信度符合要求,则MQDF的识别结果可作为最终结果直接输出,否则再与DBN结合进行二次识别,得到最终的识别结果。实验结果表明,在ETL-9B手写汉字数据集上进行的脱机手写汉字识别任务中,使用MQDF与DBN融合模型,可以取得比单独使用MQDF和DBN更好的准确率。     

基于余弦整形变换的手写汉字训练样本生成方法

提出了一种新的基于余弦整形变换的手写汉字训练样本生成方法，该方法可以有效提高现有手写汉字识别系统的识别性能。通过对原始训练样本进行基于余弦整形变换的样本生成和样本筛选，在一定程度上缓解了某些条件下训练样本不足的问题，增强了识别器的扩展能力和鲁棒性。在HCL2000数据库上进行的实验表明，该方法可有效提高汉字分类器的识别率。