汉字认知心理研究对机器自动识别汉字的启示

几项认知心理学实验研究从不同角度一致证实, 方块汉字的四个等分象限所含的字形特征信息童不同。在人类识别汉字时作用也不一样。其中以左上象限最重要, 右下象限的作用则要弱得多。本文结合部件的象限位置频率, 讨论了这些结果对汉字机器识别的一些启示。     

基于投影法和卷积神经网络的手写汉字图像分割研究

为提高手写汉字的识别率,针对手写汉字的有效分割,建立了卷积神经网络手写汉字体识别模型,并对投影法和轮廓检测法的适用性进行了对比分析。实验结果显示,相较于轮廓检测法,投影法更适用于手写汉字识别中对文字图像的处理工作,可以实现对所需文字的有效切分,同时简化手写汉字识别网络的设置并提高识别准确率。     

一种脱机手写体汉字识别的容错编码方法研究

手写体汉字识别是字符识别领域中的难点。为了使机器识别汉字适应于手写体汉字的变形等因素,基于人类认识汉字的容错机理,提出了一种用于机器识字的汉字容错编码方法,以提高手写体汉字识别率。该编码方法首先对横竖撇捺笔划形态给出了模糊化表示;然后定义了仿人拆字的字元集,并给出了易混淆笔划字元的多归类容错编码;接着给出了笔划字元的顺序判断规则和归结了36类简单常用字的部首子结构,并给出冗余的容错编码;进而建立了仿人构字的汉字编码规则和具有容错性的多模板字典,并对《新华字典》中收录的10000余个单字汉字进行了标准编码,重码率为0.48%;最后对HCCORG和NKIM手写体汉字库中的100个手写体汉字进行了仿真识别,识别正确率为96%。试验结果表明,这种编码方法可生成多模板字典,不仅对手写体汉字变形具有较好的容错性,且重码率和误识率较低。     

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。     

汉字识别方法综述

分析汉字结构特征及其演变,在汉字字库及汉字识别目标变化的基础上,结合汉字识别过程,研究与比较贝叶斯决策、二次判别函数法、隐马尔科夫模型、神经网络分类器以及支持向量机这5种汉字识别方法的优缺点及适用范围。结果表明,汉字识别方法仍需要在识别目标及特征提取、训练字符集准备方面进行改进。     

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.     

汉字识别技术中手写汉字书写变形规律的研究

现有手写汉字识别技术在工整书写字体识别上已达到实用化要求,但对于难度很大的自由手写体还不能较好地予以支持,这方面的研究基础上还是一片空白,文中试图显化表达汉字书写时发生变形的内在规律,相应地将汉字识别过程转化为判断输入模式是否为给定参考模式的合法书写变形的计算过程。     

基于改进的LBP的低分辨率车牌汉字识别

低分辩率的车牌汉字识别是字符识别中的一个难题。随着智能交通和模式识别技术的发展,传统的基于二值图的识别方法已不能满足实际要求。该文采用基于灰度图的汉字识别方法,避免了在传统二值化过程中不必要的结构信息丢失。该文将局域二值模式(Local Binary Patterns,LBP)算子运用于字符识别,使得车牌汉字的识别率由过去的74.25%提高到98.80%;并在已有的局域二值模式算子的基础上提出了一种改进的局部二值模式(Advanced Local Binary Pattern, ALBP)算法,使得汉字的识别时间大幅度缩短。实验结果表明,该文提出的方法对于低质量的车牌灰度汉字具有较强的鲁棒性,与传统识别方法相比,识别准确率和识别速度都有了较大的改进。     

基于机器视觉的人数识别研究综述

机器视觉技术由于其非破坏性、精度高、速度快等特点,在现在科技发展中已经被广泛地研究和应用,更多地被用到视频监控中。文章对机器视觉人数识别近几年的发展做了详细的论述,主要从个体识别法和群体识别法两大方面进行分析,具体可分为四方面:特征识别法、形状识别法、模型学习识别法和人群密度识别法。根据各种不同识别算法思想的研究,对当前研究方向上亟待解决的问题做出了分析,并对未来人数识别的研究做出展望。     

BP算法在手写体汉字识别中的应用

介绍了人工神经网络的概念和原理，重点介绍和推导了BP算法。分析了手写体汉字识别存在的问题及应用的技术，并对利用BP算法进行手写体汉字识别进行了详细讨论，分析了在用BP算法进行手写体汉字识别时的具体步骤，最后介绍了对BP算法提出的改进方法。     

Adaptive recognition of Chinese characters: imitation ofpsychological process in machine recognition

This paper is focused on imitation of human psychological process in machine recognition of Chinese characters. Some results of research on human Chinese character recognition have been discussed and unified into a compound mechanism with an adaptive and self-developing nature. A machine imitation model has been proposed for Chinese character recognition with different routines. By some simplification but with the crucial feature of the model being retained, an experimental system for handprinted Chinese character recognition based on the novel concept has been built. Experimental results have shown that the associated routines continuously improve their performance during their work even after supervised training is halted. The routine of the global pattern approach eventually learns most of the classes and the recognition process gradually shifts from the subpattern approach to the global pattern approach     

Recognizing chinese characters through interactive activation and competition

Most conventional approaches to Chinese character recognition attempt to recognize unknown Chinese characters per se. Hence the discriminative power of features employed play a crucial role in determining the ultimate recognition rate. However, high level linguistic knowledge such as the strong word context effects present in the Chinese language and the different frequencies of words in the daily use of the language, are not utilized in machine recognition of Chinese characters. In this paper, a word-oriented recognizer using the Interactive Activation and Competition model (IAC model) is proposed. Such a recognizer is tolerant to noise, size and font variations and it also possesses self-learning capability.     

Chinese character recognition :history ,status and prospects

Chinese character recognition (CCR) is an important branch of pattern recognition. It was considered as an extremely difficult problem due to the very large number of categories, complicated structures, similarity between characters, and the variability of fonts or writing styles. Because of its unique technical challenges and great social needs, the last four decades witnessed the intensive research in this field and a rapid increase of successful applications. However, higher recognition performance is continuously needed to improve the existing applications and to exploit new applications. This paper first provides an overview of Chinese character recognition and the properties of Chinese characters. Some important methods and successful results in the history of Chinese character recognition are then summarized. As for classification methods, this article pays special attention to the syntactic-semantic approach for online Chinese character recognition, as well as the metasynthesis approach for discipline crossing. Finally, the remaining problems and the possible solutions are discussed.     

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中的难题之一。该文分析影响脱机手写体汉字识别性能的主要方面,如规范化方法、特征提取方法及分类方法,给出了每种方法的适用条件,介绍了目前研究中所使用的数据库。     

自然手写汉字FS识别法

提出联机识别自然手写汉字的FS识别法。在剖析五笔字根结构和编码原则基础上,对五笔字根作适应性改造,将键盘输入技术与联机识别技术有机融合的一种识别体系。在多库识别体系中首次采用层间分级技术。分析和实验表明：充分考虑了自然手写汉字书写习惯和结构特征,系统有较高稳定性。     

小类别数手写汉字建模

在手写汉字识别的研究中,鲜有研究者提出建立手写汉字的数学模型,本文在这方面作了一些探讨。建模的目的通常有两个:一是手写汉字的表示或描述,二是手写汉字的识别。本文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。实验表明,该模型用于识别,效果良好。     

手写汉字的集群识别

为了降低单个汉字的分辨率,论文分析了通用的汉字识别模型,并在此基础上建立了适于多字识别的集群识别模型。为了充分论证集群识别模型的观点,本文从理论证明和实验两方面获得支持根据。实验结果表明基于多字识别模型的集群识别能可靠提高对连续文字的识别效果,是手写汉字识别中很有希望的发展方向。     

基于深度残差网络的脱机手写汉字识别研究

手写汉字识别是模式识别与机器学习的重要研究方向和应用领域;近年来,随着深度学习理论方法的完善、新技术的层出不穷,深度神经网络在图像识别分类、图像生成等典型应用中取得了突破性的进展,其中,深度残差网络作为最新的研究成果,已成功应用于手写数字识别、图片识别分类等多个领域;将研究深度残差网络在脱机孤立手写汉字识别中的应用方法,通过改进残差学习模块的单元结构,优化深度残差网络性能,同时通过对训练集的预处理,从数据层面实现训练生成模型性能的提升,最后设计实验,验证深度残差网络、End-to-End模式在脱机手写汉字识别中的可行性,分析、总结存在的问题及今后的研究方向。     

On-line recognition of handprinted Kanji characters

Difficulties in Kanji (Chinese character) recognition stem from its large character set (about 5000 characters) and the large number of strokes (up to about sixty) in each character.

The paper describes a preliminary approach to this Kanji recognition problem. In the present method, a handprinted Kanji character is coded into a symbol string using the binary relation between stroke and reference zone. Two symbol string recognition methods are proposed and investigated; the direct matching recognition (DMR) method and the unit structure recognition (USR) method.

The DMR method worked efficiently for characters which have up to five strokes. The USR method represents Kanji characters with a structural unit combination. This method worked efficiently for multi-stroke characters and greatly reduced dictionary update labor.