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。     

基于凹凸特性笔顺编码的手写体数字识别方法

针对传统的基于骨架特征识别方法具有运算量大、速度慢、对细化等预处理要求高,以及受起始点、断笔、跟踪方式影响极大等缺点,本文提出一种基于凹凸特性笔顺编码的识别方法。该方法首先计算数字图像的赋值背景场,再从中提取凹凸特性,然后根据凹凸特性进行笔顺编码,最后将编码与正则表达式表匹配。该方法不需要细化,减少了细
细化形变可能带来的误识和拒识;也不需要搜索、拟合等复杂处理,因此简单快速,运算量小。实验表明,该方法能大大提高识别率和速度。     

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。     

基于自编码神经网络的手写体数字识别中 关于特征表达的研究

研究多种改良的自编码神经网络（Autoencoder）,如稀疏（Sparse）、噪声（Denoising）、权值对称（Tied Weight）。 探究这些自编码神经网络的改良在图像特征表达中的原理。将方法应用到手写体数字的识别中,通过设置各种改良自编码神 经网络的参数取值并且对比各种改良自编码神经网络的特征表达效果,证明改良自编神经网络的理论原理。实验证明稀疏和 噪声对于自编码神经网络性能具有较大提升。     

一种基于方向特征的孟加拉手写体数字识别方法

本文根据孟加拉数字的特点，用Kirsch算子提取字符图像象素的水平、垂直、右对角线和左对角线特征矢量，采用BP神经网络作分类器进行识别。实验结果显示，对于孟加拉手写体数字具有较高的识别率和较快的识别速度，并对其它手写体数字也有很强的应用性。     

脱机手写体汉字识别技术研究的回顾与展望

在简要介绍系统构成的基础上，重点阐述了手写汉字切分、特征选择与提取、分类器设计及后处理，并探讨了今后的主要研究路线。     

基于数学形态学的脱机手写体汉字识别方法

笔画特征是一种有效的脱机手写体汉字的识别特征,但是笔画细化往往会造成字体的变形,提出一种无需细化预处理的笔画特征提取方法,通过数学形态学中的腐蚀、膨胀等运算,采用不同的、具有自适应性的结构元素对汉字图像进行笔画分解,并利用弹性网格提取其方向特征,最后使用广义K L变换对特征向量的维数进行压缩,去除冗余信息。实验结果验证了本方法的有效性。     

基于一种新的组合特征的脱机手写数字识别

本文提出了一种新的组合特征.通过时方向线素特征、轮廓特征和有效行特征进行有效组合形成一组新的组合特征.该新的组合特征无需对样本进行细化等操作,减少了前期的预处理工作量,也减少了因细化变形而引起的误识,用BP人工神经网络作为分类器,实验表明效果良好.     

隐马尔可夫模型在脱机手写体汉字识别中的应用

介绍了一种新的脱机手写汉字识别方法－－隐马尔可夫模型（HMM）法，该方法对每个汉字建立8个HMM，通过等比重综合方法将8个分类器的计算结果进行综合，从而得到识别结果，实践证明该方法是可行的。     

窗口信函邮政编码分割与识别系统的研究和实现

文中介绍了窗口信函邮政编码分割与识别系统的研制。根据投影原理首先分割出信封图像上的文字行,然后再在行内分割邮政编码数字的图像。数字的识别采用两种方法分别进行,对两个识别结果经适当的组合形成最后的识别结果。采用了一种基于统计规则的多分类器组合方法,使得组合的结果不仅识别高而且错识率低。     

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。     

基于遗传算法的手写体汉字识别系统优化方法的研究

为了改善手写体汉字识别系统的性能,提出了前端单字识别器（SCR）和后端语言解码器（post-processing system）有效结合的模型,并且利用遗传算法对系统参数进行优化。以联机手写体汉字识别系统作为SCR进行测试,首选准确率为69．46％,汉字识别的准确率达到87．59％,较优化前提高6．4％。实验结果表明,遗传算法（GA）是一种有效的优化系统参数的方法。     

一种基于字符HMM模型级联的手写体西文单词识别方法

提出了一种识别西文单词的级联HMM方法，在字符HMM模型基础上按照统计语法将各模型依概率连接，它扩展了HMM的模式描述方式，允许在级联模型上表征状态的跳跃、转移和驻留等，通过共享字符模型来描述级联状态转移概率，可以更加可靠地刻画手写体单的行为特点，采用面向在的Viterbi算法，在完整的单词采样序列输入后直接识别，无需做字符的分割和标注，从而避免了在字典中为每个单词建立模型而导致的识别不同步问题，用WE－1单词样本库进行试验，级联模型法的第1侯选识别经为89．26％，带有连字模型的HMM法的第1候选识别率为82．34％，降低错误识别率达39．18％。     

SEPARATION OF SINGLE-TOUCHING HANDWRITTEN NUMERAL STRINGS BASED ON STRUCTURAL FEATURES

In this paper, we develop a new method to separate single-touching handwritten numeral strings with two numerals using structural features. A binary image of a single-touching handwritten numeral string is preprocessed with an efficient algorithm for smoothing, linearization and detection of structural points of image contours. The touching region of a single-touching handwritten numeral string is determined based on distribution of the structural points in the handwritten numeral string. A candidate touching point is preselected based on the geometrical information of a special structural point in the touching region. In some cases, the left or right lateral numeral of a single-touching handwritten numeral string can be recognized. The recognition information can be utilized to correct the position of the candidate touching point. We have tested our method on image samples taken from the U.S. National Institute of Science and Technology (NIST) database. We used 500 sample images for training and obtained a correct separation rate of 99.1%. For 3287 test samples not used for training the correct separation rate was 97.2%.     

基于形心同心圆结构的自由手写体数字神经网络分类器

本文提出了一种基于自由手写体数字的形心同心圆结构来提取贯穿特征码的神经网络识别方法。该方法是用自由手写体数字的形心同心圆来抽取其贯穿特征码，将获得的这些模式特征训练改进的ＢＰ神经网络分类器，从而达到快速分类的目的。将其应用于自由手写体数字的信函自动分拣系统，单字的识别率达到９７％以上，整信的识别率也可达到９２％以上，得到了令人满意的结果。     

基于多分类器组合的手写体数字识别

本文提出了一个基于多分类器组合的手写体数字识别方法。文中首先给出了一个客观评价分类器性能的参数,其后基于此参数提出了多分类器的组合方法,并从理论上研究了此方法的一些性质,本文实验采用Ｃｏｎｃｏｒｔｄｉａ大学模式识别与机器智能中心的手写体数字数据库,在实验中,使用了９个利用不同特征分类器进行组合,组合后识别率、拒识率和可靠性分别可达到９７．０５％,２．０５％,９９．０８％。     

一个基于LPN问题的网络编码同态MAC加密方案

基于网络编码的应用系统很容易遭受到污染攻击。在目前解决污染攻击的对称密钥方法中,中间节点往往不具备防御能力。针对以上问题,提出一个基于LPN问题难度的HB协议网络编码同态MAC加密方案,并在基本模型下证明方案的安全性。与以往的基于对称密钥的方法相比,该方案允许网络中间节点验证所收到数据包的合法性,可以尽早地发现并过滤掉被污染的数据包。同时,由于具有较低的计算开销和带宽开销,该方案非常适用于实时性较强的网络编码应用。     

基于均匀LBP和稀疏编码的人脸识别算法

人脸识别一般都要先对人脸特征做维数约简,再做识别。有些传统的维数约简算法对训练样本的数量有一定的要求,比如对分类比较有效的LDA算法。而现实应用中,数据库往往只能为每个人脸对象提供数量非常有限的图片,甚至是单样本。提出一种基于均匀LBP(Local Binary Pattern)算子和稀疏编码的人脸识别方法,使用少量关键特征代替维数约简过程,解决训练样本稀少的问题。在Stirling人脸库上进行测试,获得较高的识别率和鲁棒性,证实了算法的有效性。