基于主曲线的相似字符模糊分类方法

要提高手写字符的识别率,抽取方法,它是通过数据分布"中间"并满足"自相合"的光滑曲线,较好地反映了数据分布的结构特征.本文尝试用主曲线这种新的方法来提取手写字符的结构特征,并基于这些特征来对相似字符进行模糊分类.所提方法在CE-DAR和OCRD手写体字符数据库上的实验结果表明:该方法不但是可行的,而且能有效提高相似字符的识别率.它为字符识别的研究提供了一条新途径.     

基于主曲线的脱机手写数字结构特征分析及选取

要提高脱机手写数字识别的识别率,关键是特征的提取与选择．主曲线是主成分分析的非线性推广,它是通过数据分布“中间”并满足“自相合”的光滑曲线．它较好地反映了数据分布的结构特征．在数字特征选取中,首先将主曲线用于训练数据的特征提取;其次在详细分析数字主曲线的结构特点的基础上,选择出用于数字识别的粗分类、细分类特征;最后在对手写数字进行识别时,先进行粗分类再进行细分类．所提方法在Concordia大学的CENPARMI手写体数字数据库上的实验结果表明：利用这些特征能有效区分相似字符,提高了手写数字的识别率,为脱机手写数字识别的研究提供了一条新途径。     

基于软K段主曲线算法的字符特征提取研究及实现

要提高脱机手写字符识别的识别率,关键是特征的提取。主曲线是主成分分析的非线性推广,是通过数据分布“中间”并满足“自相合”的光滑曲线。通过对现有主曲线算法分析可知：软K段主曲线算法对提取出分布在弯曲度很大或相交曲线周围的数据的主曲线效果较好。因此本文尝试用谊主曲线算法来提取脱机手写字符的结构特征。实验结果表明,利用该主曲线算法来提取脱机手写字符的结构特征不但是可行的,而且取得较好的实验效果。它为脱机手写字符特征提取的研究提供了一条新途径。     

基于主曲线的脱机手写英文字母结构特征分析及选取

要提高脱机手写英文字母识别的识别率,关键是特征的提取与有效鉴别特征的抽取。主曲线是主成分分析的非线性推广,它是通过数据分布"中间"并满足"自相合"的光滑曲线。它较好地反映了数据分布的结构特征。首先将主曲线用于训练数据的特征提取;其次在详细分析字母主曲线的结构特点的基础上,选择出用于字母识别的粗分类、细分类特征;最后在对手写字母进行识别时,先用这些特征进行一级分类;对个别不能很好区分的相似字母用模糊数学方法进行二级模糊分类。所提方法在CEDAR手写体小写字母数据库上的实验结果表明:利用这些特征能有效区分相似字母,提高手写小写英文字母的识别率,不但能为脱机手写小写英文字母识别的研究提供一条新途径,而且能为手写单词识别提供有用信息。     

基于软K段主曲线的LPR字符特征的提取方法

车牌识别是智能交通系统的重要组成部分,提高车牌字符识别率的关键在于提取字符的特征。主曲线是主成分分析的非线性推广,它是通过数据分布“中间”并满足“自相合”的光滑曲线。通过对现有主曲线算法的分析可知:软K段主曲线算法对提取分布在弯曲度很大或相交曲线周围的数据的主曲线的效果较好。因此,尝试用该主曲线算法来提取车牌字符的结构特征。实验结果表明,利用该主曲线算法来提取车牌识别的结构特征能够取得较好的实验效果。所提方法为提取 车牌字符特征的研究提供了一条新途径。     

基于笔划组合的手写数字切分

主曲线是一种新的基于非线性变换的特征抽取方法,它是一种通过数据分布“中间”并满足“自相合”的光滑曲线来进行特征提取的方法。为了提高手写数字串切分的正确率,提出了一种基于笔划组合的手写数字串切分方法。该方法首先使用主曲线完成字符模板的笔划抽取,然后以字符识别器提供的置信度为依据来组合笔划,以实现手写数字串的切分过程。另外,在字符识别器设计方面,则是使用基于数字轮廓分段特征与规范化模板特征这两个单特征分类器组合。实验表明,分别基于这两个特征的分类器具有较强的互补性。由于字符识别器的置信度难以真实反映识别结果,为此需使用类条件置信变换法,通过估计分类器的后验概率来对识别器的置信度进行修正。实验结果表明,该方法对于手写数字的分割是有效的。     

联机手写笔画特征抽取的逼近-合并算法

为了对联机手写字符识别的笔画进行精确描述,提出了一种基于字符笔画特征抽取的＂逼近-合并＂算法.该算法分析了字符笔画的多边形逼近,求出偏离度最小的多边形逼近,并对该多边形的边进行合并,抽取出笔画方向码,实现了联机手写字符笔画的更有效合并.该方法应用在联机手写体字符识别实验系统中,其识别率为99.13%.     

基于连笔消除的空间手写字符识别方法

信息的连续采集会造成部分字符存在连笔,进而影响字符识别率.为此,提出一种基于连笔消除的空间手写字符识别方法.将空间手写字符平面化,提取字符拐点和笔画方向特征.为避免笔画的误消除,利用支持向量机把未知字符分为带连笔字符和非连笔字符,通过连笔的书写特征消除连笔,将空间字符轨迹转化为平面字符轨迹,直接用平面字符分类器进行字符识别.实验结果表明,该方法连笔消除效果显著,利用现有字符库即可获得较高的字符识别率.     

非均匀光照图像中粘连手写体和印刷体的辨别

针对文档图像光照不均匀以及手写字符与印刷字符接近甚至粘连等问题,提出一套提取字符并区分手写体和印刷体的方案。首先提出一种基于开关映射(toggle mapping,TM)的双阈值二值化方法,用来提取非均匀光照文档图像中的字符;然后将整幅图像分割成大小相同的网格,从每个网格的邻域中提取边缘特征矩阵。由于相邻网格特征的相似性,使用了基于判别随机场(Discriminative Random Fields,DRF)的分类框架将网格分成手写体和印刷体两类。利用文本行信息的后处理获得更精细、意义更明确的分类结果。在信封邮编区域图像数据库的实验结果表明,提出的方案能够有效提取和辨别非均匀光照文档图像中粘连在一起的手写体和印刷体。另外,在IMA数据库上的实验表明,文中提出的边缘特征矩阵在辨别手写体和印刷体上的性能达到甚至超过以往文献中提出特征的性能。     

基于联合两种特征的手写体维文字符识别

提出一种联合两种特征的手写体维文字符识别算法。该算法对手写体维文字符图像进行实值Gabor能量特征和方向线素网格特征的提取,将实值Gabor滤波器的128维能量特征和方向线素的128维网格特征结合起来,使用KNN分类器对两种特征进行联合分类。对手写体维文字符数据库中的样本分别进行手写体维文字符特征识别和维文字符笔迹特征识别。实验结果表明,和采用一种特征的识别算法比较,进一步提高了手写体维文字符的识别率。该算法也可用于手写体阿拉伯文字符的识别。     

一种改进的脱机手写汉字四角特征粗分类方法

将粗分类应用于脱机手写汉字识别中,采用这种多层次分类策略,能有效地改善识别的性能,提高识别精度。本文提出了一种利用四角区域结构特征对手写汉字进行粗分类的方法。在对汉字基本笔画进行分析的基础之上,根据手写汉字形变的特点以及识别算法的要求,定义一组新的笔画单元,并将这些笔画单元与汉字特定区域内的结构进行比对,得到一组4位结构特征编码,以此作为脱机手写汉字粗分类的依据。对GB2312一级字库中的部分手写汉字进行采样和识别实验,结果证明改进的四角结构特征用于粗分类的有效性。     

哈萨克文脱机手写字符识别系统的研究与实现

由于手写哈萨克字符结构的特殊性,仅提取几种单一的字符特征进行识别时正确率较低,识别效果较差。由此采用改进的PCA方法定位单词基线位置,对每个字符提取包括笔画密度特征、投影特征、轮廓特征等在内的36种特征,使用K-W检验对各特征的分类能力进行比较,并采用线性判别函数进行分类,取得了较高的识别精度。实验结果表明,该系统针对脱机字符识别率达到94％以上。     

基于组件合并的手写体汉字串分割

人们对孤立的手写体汉字字符的离线 识别做了大量的研究工作,而走向实用化的进展并不快.除了单字识别率不理想以外,从文本 中正确分割出单个汉字字符也是一个主要难题,因为字符的识别离不开正确分割.利用汉字的 基本结构特征,根据两个组件之间的上下、左右和包围关系,对组件进行合并形成完整的汉字 图像.对整个汉字字符串中组件的宽度和相邻组件的间距进行分析,有助于左右关系组件的合 并.实验结果表明,该方法对手写体汉字字符串具有理想的分割效果.     

Handwritten Chinese Character Recognition Based on Primitive and Fuzzy Features via the SEART Neural Net Model

A handwritten Chinese character recognition method based on primitive and compound fuzzy features using the SEART neural network model is proposed. The primitive features are extracted in local and global view. Since handwritten Chinese characters vary a great deal, the fuzzy concept is used to extract the compound features in structural view. We combine the two categories of features and use a fast classifier, called the Supervised Extended ART (SEART) neural network model, to recognize handwritten Chinese characters. The SEART classifier has excellent performance, is fast, and has good generalization and exception handling abilities in complex problems. Using the fuzzy set theory in feature extraction and the neural network model as a classifier is helpful for reducing distortions, noise and variations. In spite of the poor thinning, a 90.24% recognition rate on average for the 605 test character categories was obtained. The database used is CCL/HCCR3 (provided by CCL, ITRI, Taiwan). The experiment not only confirms the feasibility of the proposed system, but also suggests that applying the fuzzy set theory and neural networks to recognition of handwritten Chinese characters is an efficient and promising approach.     

基于主曲线的指纹细节特征提取方法

要提高指纹识别的识别率,关键是指纹特征的提取。主曲线是主成份分析的非线性推广,它是通过数据分布“中间’’并满足“自相合”的光滑曲线,较好地反映了数据分布的结构特征。本文尝试使用主曲线这种新的方法来提取指纹的细节特征。实验结果表明利用主曲线来提取指纹的结构特征是可行的,它为指纹特征提取的研究提供了一条新途径。     

Off-line recognition of Chinese handwriting by multifeature andmultilevel classification

In this paper, an off-line recognition system based on multifeature and multilevel classification is presented for handwritten Chinese characters. Ten classes of multifeatures, such as peripheral shape features, stroke density features, and stroke direction features, are used in this system. The multilevel classification scheme consists of a group classifier and a five-level character classifier, where two new technologies, overlap clustering and Gaussian distribution selector are developed. Experiments have been conducted to recognize 5,401 daily-used Chinese characters. The recognition rate is about 90 percent for a unique candidate, and 98 percent for multichoice with 10 candidates     

车辆牌照上英文和数字字符的结构特征分析及提取

为了研制高性能的车辆牌照自动识别系统，在详细分析车辆牌照上英文和数字字符结构特点的基础上，选择字符图象中的闭合曲线作为其整体特征，将笔画端点，三叉点和四叉点作为其细节特征，同时将笔画中的拐角点作为其辅助结构特征，三者可分别用于字符的粗分类，细分类和相似字符区分，进而提基于图论和细节点特征的闭合曲线检测算法以及基于二值图象外边缘轮廓线的笔画拐角点检测算法，将上述结构特征用于车辆牌照上英文和数字字符识别，测得识别率达96％，用PⅢ550计算机完成结构特征抽取和字符识别所用时间约20ms／字符，表明这些结构特征适用于车辆牌照上英文和数字字符的快速识别。     

基于多重几何特征和CNN的脱机手写算式识别

针对中小学数学课堂中具有复杂二维空间结构的手写算式, 提出了一种基于多重几何特征和卷积神经网络(CNN)的脱机手写算式识别的解决方案. 首先, 基于CNN分类算法, 对图像预处理后的单个手写字符进行识别; 然后, 利用几何特征, 如宽高比、质心坐标、质心偏移角度、中心偏移量、水平重叠区间比等, 识别具有复杂空间结构的小数、分数、指数、根式等常见手写算式, 并采用分治算法完成由以上算式组合嵌套的复合算式识别; 最后, 设计并实现脱机手写算式识别系统. 实验结果表明: 在满足一定光照条件下, 该方案对不同分辨率、含噪声图像的手写算式识别率可达90.43%, 具有一定的应用价值.     

基于层次分类的脱机手写字符识别

人类在进行字符识别活动时,会根据对象复杂度的不同,采用不同的识别方法.对于结构简单的字符,利用宏观整体信息识别;对于易混淆的形近字,利用微观具体信息区分.为了模拟人类智能进行字符识别活动的过程,设计了一种基于层次分类的脱机手写字符识别算法.该算法将分类器划分为宏观层和微观层,宏观层模拟简单字符识别过程,利用基于梯度的统计特征描述整体信息,完成识别;微观层模拟形近字识别过程,利用基于主曲线的结构特征描述具体信息,完成区分.算法还引入了可信度概念,用以量度推理过程及识别结果的不确定性程度.给出了形近字的定义及区分规则.实验表明,提出的算法有效地提高了脱机手写字符的识别率,对形近字的区分效果尤佳.