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。     

汉字原型与手写汉字识别

本文评述了目前三种汉字的计算机表示和二种传统的汉字结构分析方法。应用拓扑和几何的基本原理, 分析汉字结构及其制约关系。从而, 确定四类组成汉字的基本关系并在此基础上实现了汉字原型, 给出了把汉字原型应用在手写汉字认别的实例。     

脱机手写汉字识别的最优采样特征新方法

在脱机手写汉字识别中,笔画形变是造成识别率下降的主要原因,减少笔画形变的影响是提高脱机手写汉字识别率的关键。针对上述问题,提出了最优采样特征。该特征以目前被广泛应用的方向线素特征为基础,在一定的约束条件下,通过移动采样点的位置,可以适应笔画的形变。从而减少特征的类内方差,提高特征的可分性,改进了识别性能。通过在THCHR样本集上进行实验,并对最优采样特征和方向线素特征的实验结果进行比较,验证了最优采样特征的识别率优于方向线索特征。     

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。     

离线手写汉字识别的并行实现

汉字识别属于大类别模式识别问题,用并行算法可望提高在单机环境下识别离线手写汉字图象的运行速度,提出了一种汉字识别算法的并行设计方案,并针对它在ＰＶＭ环境下运行结果进行了性能分析。     

HMM方法识别脱机手写汉字

本文提出了一种在隐含马尔可夫模型(HMM)框架下建立的识别脱机手写汉字的方法,介绍了以HMM对脱机手写汉字进行建模、识别的整个过程,并给出了实验结果对国标一级3755个汉字的识别率,在两种测试集上分别达到96.4%和91.5%.     

用特征向量元素模糊分类的手写汉字识别

本文介绍了一个用特征向量元素模糊分类的手写汉字识别系统，系统在预处理时采用字心中心法，一级分类用笔道密度函数特征的向量元素模糊方法分类，详细识别用外廓方向贡献度特征，系统实验表明本识别方法是有效的。     

基于基元模糊关系的手写汉字识别

手写汉字中笔划，部件及其位置关系均产生较大变化，这种变化是引起手写汉字特征不稳定的主要因素。为了减小上述不利影响，使手写汉字特征的描述趋于稳定，本文给出了一种基于汉字基元之间的模糊关系识别手写汉字的方法。     

基于基本笔画起收笔和笔压特征的手写汉字的计算机笔迹鉴定

以手写汉字的基本笔画为研究对象,提取笔画的起笔、收笔和笔压作为特征量,进行笔迹鉴定的研究.研究采用了10位书写者,每位书写者各书写70个汉字作为样本,提取4种基本笔画,进行笔迹鉴定的实验,实验取得了较为满意的鉴定率.本研究克服了以往笔迹鉴定中结体依存的不足,适用于所有的汉字.     

基于笔划特征的单字符汉字字体识别

在文档电子化的文本自动分析、理解和识别过程中,除了有关文档内容的字符识别外,还必须解决字体识别问题.字体识别不仅是版面分析、理解和恢复的重要依据,还有助于实现高性能字符识别系统.有别于目前基于多个字符组成的文本块的字体识别方法,本文提出了一种基于单个汉字字符的字体识别方法.在单个汉字字符上提取两类特征:笔划属性特征和笔划分布特征,分别构成两个分类器对单个汉字字符进行字体识别,并集成两个分类器的结果得到最终的识别结果.我们使用的笔划属性特征分类器是文本无关的,而笔划分布特征分类器是文本相关的,集成的分类器属于文本相关的字体识别分类器.我们在包含7种字体的样本集上进行了测试,测试结果显示基于单字的字体识别率达到94.48%.     

一种基于笔划映射的曲线轮廓汉字字形设计方法

本文介绍了一种以汉字间架结构和基本笔划为汉字的知识表示，通过由导向因子和宽度因子控制的笔划映射来设计曲线轮廓汉字字形的方法。该方法以一套汉字间架结构库和一个基本笔划库为基础，可生成多种粗细的多套字库。改变基本笔划库，可改变生成的字体种类。     

点阵汉字无级变倍算法

本文给出了由一种汉字字库得到任意大小汉字点阵的算法.该算法能对任意二值点阵图像进行放大平滑.简单放大是按字节进行运算,速度快;最佳平滑操作不是对简单放大后的点阵按位操作,而是根据原点阵的特性,在需要平滑的地方进行操作,需操作的位数不会超过图像总点数的5％.用该方法输出的汉字质量和速度都令人满意.     

传统Hopfield ANN应用于汉字识别的一种改进

本文在传统Ｈｏｐｆｉｅｌｄ ＡＮＮ基础上,对汉字识别某些方式提出一种新的方法,并在输出匹配的可行性上进行新的探索。在汉字字库的建立方法上提出新的观点,研究表明,本文所述方法是行之有效的,提高了汉字识别率。     

最优鉴别特征的抽取及图像识别

利用Fisher鉴别准则函数即为广义Rayleigh商这一特点,首先分析了广义Rayleigh商的极值性质,指出以共轭正交的约束条件代替Foley-Sammon正交条件的合理性。然后利用广义特征方程存在共轭性正交的特征向量这一结论,巧妙地解决了该共轭正交条件下最优鉴别矢量集的求解问题。从理论上分析了该最优鉴别矢量集较经典的Foley-Sammon最优鉴别矢量集以及Fisher线性鉴别法的优越性。另外,进一步讨论了在小样本情况下,类内散布矩阵奇异时鉴别矢量集的求解问题,并给出了简单易行的算法。最后,在CENPARMI手写体阿拉伯数字库和ORL标准人脸库上的试验结果证实了算法的有效性和稳定性。     

从细线化汉字图像生成任意倍率汉字

本文提出了一种对汉字作任意倍率放缩的算法。该算法先对印刷体汉字作细线化处理，抽取笔划特征点。然后，分割和提取笔划。任意倍率汉字生成是通过变换函数。改变特征点位置，再附加原探察到的笔划修饰来实现的。实验表明本算法是有效的。     

联机手写体汉字联想识别系统

本文提出一种联机手写体汉字联想识别系统.在单字识别的基础上,有分词信息的前提下,利用汉语词的前后约束及字的特征信息对识别结果进行后处理.从而提高了联机识别系统的识别率.     

自动特征识别技术综述

自动特征识别是从零件实体模型中抽取出具有特定工程意义的特征信息，由于自动特征识别构成ＣＡＤ与ＣＡＰＰ之间的智能接口，对实现ＣＡＤ，ＣＡＰＰ，ＣＡＭ集成具有重要意义，因此一直是ＣＡＤ／ＣＡＭ领域的研究热点，研究成果十分丰硕，另一方面，由于特征识别具有相当难度，该领域对仍存在的许多问题有待解决，本文对自动特征识别技术的历史和现状进行全面综述，介绍了具有代表性的特征识别方法，并阐述各个方法的特点，最后对     

基于轮廓分段特征的手写体阿拉伯数字识别

文中提出了一种新的手写体数字识别的结构方法,将字符轮廓划分为特征片段,凸弧、凹弧直线段,端点,洞并由特征片段得到特征基元,构成对字符结构的完整描述。