矩特征的一种快速算法

介绍了一种基于边界点计算形状矩特征的算法,并采用该算法计算了目标的形状特征。结果表明该算法比传统的矩特征计算方法是具有高的运算速度。     

基于正交盖氏矩和SVM的车牌字符识别

针对传统字符特征提取算法中特征不稳定的缺点,提出一种基于正交盖氏矩的特征提取方法。采用支持向量机解决车牌字符识别问题,自动寻找对分类有较好区分能力的支持向量,由此构成的分类器可以最大化类间间隔,达到正确区分类别的目的。实验结果表明,该方法对于实时视频流中的车牌识别能取得理想效果,在解决有限样本、非线性及高维模式识别问题中表现出优越的性能,且具有适应性强和效率高的特点。     

一种基于骨架特征和神经网络的手写体字符识别技术

对英文字符集的识别问题,提出了一种依据细化后的字符骨架特征进行分类,并对每一类别的字符各自建立神经网络进行训练和识别的方案。在二值图象理论的基础上,通过对字符轮廓特征的分析,提出了一种对英文字符集的分类方案,同时提出了一种快速有效的骨架链码形成和特征提取算法。     

一种改进的基于模板匹配的集装箱字符识别方法

字符识别是计算机模式识别中较为常见的问题,对于印刷体的字符来说,经常采用二值化和模板匹配方法进行识别。在实际应用中,为了提高识别率,减少计算量和运行时间,解决正确识别二值化后的正反不同图象的问题,提出一种改进的自适应的模板匹配方法,理论与实验结果表明具有较高的识别和坚韧性。     

基于特征编码的手写字符识别技术

在对字符结构进行大量的理论分析和试验统计分析的基础上,设计并实现了一种基于特征编码的手写字符识别系统。实践证明提取的特征简单明确,识别系统快速有效。     

一种组合特征抽取的新方法

该文提出了一种基于特征级融合的特征抽取新方法，首先，给出了一种合理的特征融合策略，即利用复向量给出组合特征的表示，将特征空间从实向量空间拓广到复向量空间，然后，发展了具有统计不相关性的鉴别分析的理论，并将其用于复向量空间内最优鉴别特征的抽取，最后，在Concordia大学的CENPARMI手写体阿拉伯数字数据库以及南京理工大学NUST603HW手写汉字库上的试验结果表明，所提出的组合特征抽取方法不仅具有很强的维数压缩能力，而且较大幅度地提高了识别率。     

基于串行分类器的字符识别

在特征提取的基础上，比较了采用Bayes分类器和基于特征值的BP网络两种常用字符识别方案；最后在Bayes分类器的基础上，采用二级串行结构分类器融合的改进处理方案对车牌中的大写英文字母进行字符识别。实验结果表明，该方法达到较高的识别率，而且可很容易地推广到车牌识别中的汉字字符识别和数字字符识别相应的处理方案。     

草写体字符识别中的改进型方向特征研究

本文论述和分析了一种新颖的特征提取技术的特性，它采用基于分割的手写体字符识别系统的上下文关系来分割／书写字符。改进型的方向特征（MDF）提取技术以方向特征（DF）为基础，从字符轮廓的结构中提取方向信息。这种规则扩展了字符图像中前景和背景象素转换的组合方向信息。 为改善DF的提取技术，将对一些方法作出改进。同时使字符轮廓的描述更有效，并着手方向性检测技术的再设计，即在大部分时常出现的模式干扰中，增加对目标特征的描述，以改善字符的识别正确率。MDF通过基于神经网络分类器的试验以及转换特征（TF）提取技术的比较，并采用标准数据集与文献中列出的最佳结果相比较后得知，MDF技术优于DF和TF技术。来自CEDAR数据集的结果显示，识别正确率在89％以上。     

一种实用的规则矩快速算法

对规则矩快速算法了进行了综述,包括图像变换、Delta方法、拐点方法、Green定理法和图像块表示法。提出了一种实用的规则矩快速算法－－截线段法,该方法可对任意二值图像计算精确。以三个图像求解Hu的矩不变量为例,对各种算法进行了分析与比较。     

基于汉字原型的手写汉字识别

本文以现存三种汉字的计算机表示和两种传统的汉字结构分析方法进行评述，应用拓扑和几何的基本原理，分析了汉字结构及其制约关系，确定了四类组成汉字的基本关系，在此基础上实现了汉字原型，最后给出了汉字原型应用手写汉字识别的实例。     

工程图纸自动输入字符识别的二维隐性马尔可夫模型方法

在分析了语音识别的一维马尔可夫模型(1D-HMM)方法的基础上,采用二维马尔可夫模型(2D-HMM)方法识别工程图纸中的各类印刷体汉字、较规范的手写仿宋体汉字、英文及阿拉伯数字,适用于多字体、倾斜字符识别等情形,抗噪声能力强,取得了较高的识别率.     

A MEASURE OF RECOGNITION DIFFICULTY FOR A CHARACTER IMAGE DATABASE

A character image database plays an important role not only in the development stage but also for the evaluation of a handwritten character recognition system. We propose a measure which tells the level of the recognition difficulty of a given character image database without the recognition process. We first define the entropy of each location of the image in the database. Then we obtain the measure by adding up the entropies of all locations in the image. We confirm that the proposed measure really reflects the relative recognition difficulties of databases by using real databases.     

基于向量线段的特殊字符识别

传统的OCR技术在某些特定方面,如印刷体数学公式中特殊字符的识别存在困难和限制,其识别结果的准确率不尽如人意.为此,重点介绍基于向量线段的特殊字符识别算法规则和识别系统的设计.提出通过提取字符中的向量线段进行特征比较的分析方法,并将噪点去除算法融入其中.实验表明,该方法对于特殊字符的分析识别具有较好的准确性和应用前景.     

基于主动轮廓模型的啤酒瓶凸性字符提取和识别方法

本文提出了一种用计算机自动提取啤酒瓶字符并进行识别的方法,代替手工操作,有效地降低了成本和提高了效率．该方法首先采用线阵CCD得到啤酒瓶字符的图像,接下来对图像进行预处理,然后用一种改进的主动轮廓模型提取出啤酒瓶上的凸性字符,最后用多层BP神经网络对字符进行识别,就可确定是否含有“B”字和是否在使用期内．实验结果表明,该方法能有效地提取啤酒瓶上的字符并识别出“B”和日期,简单可行,分拣正确率达到了95%以上．     

基于LDA和SVM的步态识别

提出了一种新的基于人体中线投影的步态特征提取方法,同时将线性判别分析(LDA)和支持向量机(SVM)相结合进行步态的分类和识别.应用背景差方法分割出运动人体轮廓,对外轮廓沿人体中线投影可以得到前后两个向量,合成1D向量作为步态特征.通过线性判别分析对得到的一维向量进行特征提取和压缩,对得到的识别量应用支持向量机进行步态的分类和识别.应用上述方法在中科院自动化所的步态数据库上进行了实验,实验结果表明该步态识别方法具有较好的识别性能.     

基于可训练机制的联机维吾尔手写字母识别技术研究

在深入研究英文和汉字手写识别的基础上,结合维吾尔文字母的特点,提出一种基于支持向量机机器学习算法的维吾尔文联机手写字母识别方法,系统研究了样本采集、预处理、特征提取和分类等模块。在预处理中,为了消除干扰和噪声及比较中的相似性,采用了平滑滤波和线性归一化处理;考虑到维吾尔文相似字母较多,为了有效提取特征,将结构特征和统计特征相结合,提取了字符的梯度方向特征;分类器采用支持向量机。实验表明,随着训练样本的增加,识别率可以从90.62%提高到96.09%。     

一种改进的基于PCA和FLD的掌纹识别

掌纹识别是生物特征识别中的一种,由于其分辨率要求低、设备成本低、用户易接受等优点受到众多研究者的关注.同其他生物特征识别一样也包括几何特征和数学特征识别两类方法,在数学特征中PCA、ICA、FLD等特征都可以用于掌纹识别.PCA是一种基于二阶统计的最小均方误差意义上的最优维数据压缩技术,FLD是一种较为普遍的用于特征提取的线性分类方法.将PCA和FLD结合起来进行掌纹识别,在识别阶段进一步利用了以前仅用于降维的PCA特征和FLD特征相融合进行识别.实验结果证明该方法比未改进的FLD方法在识别率上得到明显的提高.     

小类别数手写汉字识别

针对小类别数手写汉字,在骨架图形的基础上,把手写汉字看作孤枝、孤环和部件的集合,并定义三者之间的方位关系,从而建立手写汉字的数学模型．基于迷种模型,进一步探讨一种新的识别方法以及新方法所使用的知识库的构造方法．实验表明,所提出的模型及识别方法对于小类数的手写汉字识别行之有效。     

基于加权Mel倒谱系数的说话人识别

说话人识别中的首要问题是从语音信号中提取能唯一表现说话人个性特征的有效而稳定可靠的特征参数.把感知加权技术应用到Mel倒谱分析中,通过对基于心理声学模型计算得到的信号掩蔽比插值获得权重函数,并将权重函数应用到Mel倒谱分析中获得加权Mel倒谱系数(WMCEP),以此为特征进行说话人识别.实验结果表明,WMCEP比MFCC和Mel倒谱系数(MCEP)能更好地逼近说话人的谱包络,在噪声环境下的鲁棒性更好,因此其识别性能要优于MFCC和MCEP.