基于笔划提取和合并的离线手写体汉字字符切分算法

手写体汉字字符切分是离线汉字字符识别预处理中的一个重要问题，针对离线手写体汉字，提出一种基于笔划提取和合并的手写体汉字字符切分算法。该算法首先基于方向游程提取汉字的笔划，并建立笔划框，再根据汉字笔划的结构知识对笔划框进行合并，得到字符的切分结果。该算法能较好地解决粘连汉字字符的切分问题，对从现场随机采集的2500封手写体信函地址汉字进行切分，单字正确率可达91．5％。     

脱机手写体汉字识别综述

脱机手写体汉字识别是模式识别领域最具挑战性的课题之一。本文分析了近年来脱机手写体汉字识别的最新进展,讨论了脱机手写体汉字分割、特征提取和分类器设计等关键技术的各种主流方法,介绍了3种典型的汉字识别数据库,并提出了脱机手写体汉字识别的难点问题和今后发展的趋势,为该领域的研究者指明研究方向,共同促进脱机手写体汉字识别技术的发展。     

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。     

小波分形分解特征在手写体汉字识别中的研究

文章研究了手写体汉字识别中的一种新的特征提取方法——小波分形分解特征。在该方法中，对手写汉字分别采用小波和分形的方法提取其结构特征和统计特征，并将提取的结构特征和统计特征组合后作为识别器的输入进行识别。实验表明，该方法对训练样本可以达到98．71％的识别率，对测试样本可以达到91.37％的识别率。     

小波变换在红外图象处理中的应用

小波变换近年来在图象处理中的应用日益受到人们的关注。小波变换可能同时在时间（或空间）和频率域对信号进行分析，是多分辨率分析的有力工具。本文介绍了小波变换在红外图象处理中的应用，例如红外／可见光图象的配准与融合，红外图象增强，红外图像中的微弱目标探测等。     

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。     

小波变换和神经网络在车牌识别中的应用

介绍了车牌识别的背景、意义和一般实现过程，阐述了小波变换和神经网络的基本理论，详细地分析和论述了小波变换和神经网络在车牌识别四个核心阶段（即图像预处理、车牌定位、字符分割和字符识别）中的应用，最后总结并对两者在车牌识别技术中的应用前景进行了展望。     

全息记忆和Hamming网的新模型及其在汉字手写体识别中的应用

本文提出有注意力转移机制的改进型全息记忆网与快速收敛的Hamming网的新模型。报导了应用网络模型构造的汉字手写体及字符识别系统的实现。实验结果表明,在我们的实验前提下本模型与系统能有效地工作。     

小波变换在图像相关识别中的应用

光学图像识别具有广泛的实际应用价值,而联合变换相关器(JTC)是目前采用最多的一种进行图像相关识别的结构方式。将小波变换与联合变换相关技术有效地结合在一起,分析了如何采用小波变换来实现图像相关识别的理论方法,并提供了相应的结构框图,对采用小波变换用于图像目标识别的优点进行了概括及总结,并对该相关识别系统中所应采用的小波类型、滤波方式、滤波器的制作等多方面进行了介绍和分析。     

神经网络在手写体数字识别中的应用

本文采用前向、多层神经网络,BP学习算法对40个人的手写体数字进行了识别。识别过程分为四步:首先,用HP扫描仪把写在纸上的数字变成二值图像,接着对它进行分割,规整等预处理,变换成32×32点阵。然后提取特征,把点阵图像变成特征描述。最后,进行训练和识别。在拒识率为25％条件下,得到误识率为0.4％的识别结果,文中还分析和讨论了在实验中遇到的一些问题。     

一种基于支持向量机的手写汉字识别方法

本文提出了一种新的基于支持向量机手写汉字识别方法.支持向量机作为一种新的机器学习方法,由于其建立在结构风险最小化准则之上,而不是仅仅使经验风险达到最小,从而使得支持向量分类器具有较好的推广能力.本文首先讨论了支持向量机的基本原理,然后,针对支持向量机识别大类别手写汉字所遇到的特殊问题,文章进行了分析和阐述,并在此基础上,提出了基于最小距离分类器预分类的两级分类策略.最后,针对GB2312-80的1034个汉字类别的120套手写样本,进行了实验仿真.实验结果表明,本文方法的汉字识别率较距离分类器有较大提高,其中多项式核函数的支持向量分类器,识别率平均提高3.38％,表明了本文方法的有效性.     

限定性手写汉字识别的一种可变形弹性匹配模型

本文提出了一种应用于写手写体汉字识别的变可形弹性匹配模型，在该模型中，我们假定：对于同一种汉字的不同手写样本，尽管由于书写风格的不同而其形状各异，但它们却具有上相的同空间拓扑结构，我们将用一组笔段置移矢量描述不同的手写体之间的细节形状上的差异，在置换矢量场的作用下，一个可变形的模板汉字将逐步变形以趋于输入的汉字，从而在两汉字之中寻求一种最佳的匹配。     

汉字识别研究的回顾

本文回顾了汉字识别研究的历史。根据模仿人类视觉模型，基于文字图像的统计模式识别方法是文字识别取得瞩目进展的基础。模式识别信息熵理论揭示了模式分类的信息过程和理论极限，本文讨论了从汉字图像中提取特征以及文字识别分类器设计和学习的各种方法。介绍了文本识别必须解决的文字切分，版面分析、理解和重构，及提高识别性能等重点问题，最后，总结了文字识别研究的重要进展和对今后的展望。     

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.     

基于MHMM模型的手写体汉字识别算法

文章提出了一种基于多重隐马尔可夫模型和区域投影变换的手写体汉字识别新方法。该方法对每个汉字建立4个HMM,通过等比重综合方法将4个分类器的计算结果进行综合,从而得到识别结果。该方法对于识别应用问题中的隐马尔可夫建模具有普适性。实验证明,该识别方法具有较高的识别准确率。     

基于小波变换和神经网络集成的人脸表情识别

提出了一种表情识别的新方法，首先通过基于小波变换的图像分解和K-L变换等处理，来抽取面部表情区域的有效鉴别特征．之后采用神经网络集成技术对六种典型表情进行识别。在CMU表情数据库上的实验表明，该方法达到了很高的识别率．而且对光照变化也有一定的不敏感性。     

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.     

二指标隐马尔可夫过程及其在汉字识别中的应用

本文给出了二指标隐马尔可夫过程的定义、基本问题及解法,并提出一种利用二指标隐马尔可夫过程进行汉字识别的方法。