在广电设备机房管理和测控系统操作中手写汉字识别技术的应用研究

随着广播电视数字化进程的加快，前端设备及机房的数字化管理和测控也越来越重要。本文针对其管理和测控系统操作只需少量汉字服务的实际情况，提出一种在线手写汉字识别用于测控系统操作的方法。该方法借鉴笔段链码特征，建立以笔画一笔段数目作为检索参数的字典库，按领衔汉字列显命令供用户点击选用，依据转换表形成实际操作命令。应用结果表明，该方法操作可靠，保密性好，拓展了手写汉字在线识别的应用范围。     

一种基于段化的手写汉字特征点提取方法及其实现

手写汉字识别中的特征点提取，一直是结构匹配方法中的一个关键问题．系统识别率很大程度上取决于特征点提取的正确率．本文在总结前人和作者以前工作的基础上，提出了一种新的段化特征点提取方法，并具体用于手写汉字识别的实用系统中，取得了十分理想的效果．从已测试的１８００×１０个样本字的结果看，特征点提取正确率突破了９８％大关，为实用化手写汉字识别系统奠定了基础．     

一种基于运动图像的在线手写汉字识别方法

在分析传统联机与脱机手写汉字识别系统基础上,本文提出了一种基于运动图像的在线手写汉字识别新方法.该方法利用普通摄像头,实时地采集手写汉字墨迹的运动图像,通过图像处理技术提取手写汉字,并进行在线识别.文中给出了笔尖匹配的快速算法和基于数学形态学的汉字提取方法.最后,通过实验验证了本文方法的有效性.     

取汉字笔划的特征点来识别联机手写汉写

文章介绍一种如何取得汉字笔划特征点并对特征点进行处理的方法。通过在实际产品形成中使用了证明其处理简便、可靠。在联机手写识别过程中，对提高识别速度、提高识别准确性起到良好的效果。     

取汉字笔划的特征点来识别联机手写汉字

本文介绍一种如何取得汉字笔划特征点并对特征点进行处理的方法。在实际产品形成中使用了此方法，证明这样的处理简便、可靠。在联机手写识别过程中，对提高识别速度提高识别准确性起到良好效果。     

限定性手写汉字识别的一种可变形弹性匹配模型

本文提出了一种应用于写手写体汉字识别的变可形弹性匹配模型，在该模型中，我们假定：对于同一种汉字的不同手写样本，尽管由于书写风格的不同而其形状各异，但它们却具有上相的同空间拓扑结构，我们将用一组笔段置移矢量描述不同的手写体之间的细节形状上的差异，在置换矢量场的作用下，一个可变形的模板汉字将逐步变形以趋于输入的汉字，从而在两汉字之中寻求一种最佳的匹配。     

一个新的脱机手写汉字数据库模型及其应用

本文提出一个新的脱机手写汉字数据库模型.此模型的特点在于将汉字样本信息与其书写者信息结合起来,因而既可为开发手写汉字识别算法提供训练和测试样本,也可用于研究各类人员的文字书写特征,探讨文字书写的相关因素.本文还介绍了一个应用此模型的实例HCL2000,并利用HCL2000研究了影响识别率的相关因素,并获得了一些令人感兴趣的结果.     

贝叶斯分类器在手写汉字识别中的应用

由于缺少以较少的存储空间描述汉字特征概率密度函数方法,在汉字识别系统中贝叶斯分类器很少得到应用.本文提出一种只需6个数据就能描述一个特征的概率密度函数的方法,构造了一个基于贝叶斯分类器的手写汉字识别系统.实验结果表明,该分类器具有优良的性能.     

在线汉字识别技术在广播电视实时检测系统中的应用

针对广播电视检测系统中只需少量汉字服务的实际情况,提出一种使用在线手写汉字识别的方法,来优化系统设计.该方法有三个特点,一是通过利用汉字的笔段链码特征,在单片机中建立动态字典库和词汇库;二是操作者只需手写极少"领衔汉字"供系统识别,系统并将与其相关联的所有命令都显示出来,供操作者选用;三是被检测点的数量等改变时,系统程序不变,且状态既能用数据显示,也能用释意汉字串显示.实用结果表明,该方法具有稳定、高效、经济、使用方便等特点,并且拓展了手写在线识别技术的应用领域.     

基于卷积神经网络的脱机单个手写汉字识别

本文在GoogLeNet网络基础上搭建了一个适合手写汉字识别的卷积神经网络.研究建立了新的手写汉字训练集,新训练集综合了现有的训练集并剔除了其中的错误,同时加入印刷体训练集,增加书写风格的多样性.训练神经网络时采用随机梯度下降算法,并加入动量项加速网络参数的收敛,使用正则项防止过度拟合,最终训练出的神经网络在训练集上的正确率为99.56％,在验证集上的正确率达到96％,并具有很好的泛化能力.     

Automatic recognition of handprinted characters—The state of the art

Based on a study of the extensive literature in handprint recognition, this paper presents a survey in this challenging field. Recognition algorithms, data bases, character models, and handprint standards are examined. Achievements in the recognition of handprinted numerals, alphanumerics, Fortran, and Katakana characters are analyzed and compared. Data quality and constraints, as well as human and machine factors are also described. Characteristics, problems, and actual results on on-line recognition of handprinted characters for different applications are discussed. New emphases and directions are suggested.     

Dedicated LSI for a Microprocessor-Controlled Hand-Carried OCR System

The binary picture processing and recognizing stages of an optical character recognition (OCR) system have been designed using both flexibility of available microprocessors and speed of peripheral custom-designed integrated circuits, A dedicated Iarge-scale integrated (LSI) processor performs edge detection and thinning of a 32 X 24 digitied one-piece pattern. The output signal-a set of 3 bit vectors describing the skeletonized character contour-feeds a microprocessor which controls the character recognition algorithm including pattern segmentation, filtering, feature extraction, and classification decision. This low-cost equipment is especirdly suitable for hand-carried OCR systems where well-formed printed alphanumerics are to be read: However, continously deformed patterns like carefully handprinted characters are recognized as well. A system reading speed of 100 characters/s (or 30 cm/s) can be achieved.     

汽车牌照汉字识别方法综述

字符识别是汽车牌照自动识别系统中的关键环节，汉字字符识别是其中的难点。在对车牌汉字识别方法分类的基础上，介绍各种传统的和最新的汉字识别方法，分析各种方法的特点，并对它们的性能进行评述。     

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最具挑战性的课题之一。本文分析了近年来脱机手写体汉字识别的最新进展,讨论了脱机手写体汉字分割、特征提取和分类器设计等关键技术的各种主流方法,介绍了3种典型的汉字识别数据库,并提出了脱机手写体汉字识别的难点问题和今后发展的趋势,为该领域的研究者指明研究方向,共同促进脱机手写体汉字识别技术的发展。     

适用于汉字识别的特征描绘子改进研究

提出了一种适用于汉字识别的新的局部描绘子,在SIFT描绘子的基础上添加了灰度对比直方图的概念。该局部描绘子作为汉字的特征表述,测试系统思想是把汉字识别当作图像匹配问题。为了检测新描绘子的特性,在仿射、噪声、背景、复杂情况这4种情况下进行汉字识别测试,对比新描述子和SIFT描绘子的汉字识别正确率,实验结果证明该描绘子在汉字识别方面可以描述更多的局部信息,表现也比SIFT描绘子要好。     

基于小波特征的单字符汉字字体识别

汉字图像不仅包含了汉字的字符信息,还包含了汉字的字体信息.字体信息是版面分析、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.目前的字体识别方法还不能对单个汉字字符的字体进行识别.本文提出了一种新的字体识别方法,能够在不知道汉字字符的前提下,识别单个汉字的字体.首先对单个汉字的字符图像进行小波分解,在变换图像上提取小波特征.提取的小波特征经Box-Cox变换整形后,用线性鉴别分析技术(LDA)进行特征选择,得到字体识别特征.所使用的分类器是MQDF分类器.在包含7种字体的样本集上进行的实验表明,本文提出的方法能够在不知道汉字字符的前提下,对单个汉字的字体进行有效识别,基于单字的字体识别率达到97.35％.     

汉字识别研究的回顾

本文回顾了汉字识别研究的历史。根据模仿人类视觉模型，基于文字图像的统计模式识别方法是文字识别取得瞩目进展的基础。模式识别信息熵理论揭示了模式分类的信息过程和理论极限，本文讨论了从汉字图像中提取特征以及文字识别分类器设计和学习的各种方法。介绍了文本识别必须解决的文字切分，版面分析、理解和重构，及提高识别性能等重点问题，最后，总结了文字识别研究的重要进展和对今后的展望。     

维汉英混排文档识别

维、汉、英是特点完全不同的文字。该文依据多层次语言判断和适当干预的多语言字符识别系统设计原则首次实现了维、汉、英混排文本识别系统。识别系统首先根据维、汉、英文字的各自特点实现字符块语言属性的初步判断,然后针对每种文字设计不同的字符切割算法。字符识别可信度用来判断字符语言属性和字符切分结果是否正确。实验结果表明,各种维、汉、英混排文本识别率达到96.4%以上。     

基于SVM的多特征手写体汉字识别技术

针对传统的模板匹配法对汉字的识别率较低,文中提出一种基于SVM的多特征手写体汉字识别技术。在提取网格特征的基础上增加对汉字质心特征、笔划特征、特征点的提取,并采用SVM算法构造分类器,实现对手写体汉字的识别。实验结果表明,该方法的平均识别率为95.9%,高于传统的模板匹配法。     

车牌识别中字符识别的研究

对智能交通系统进行了简要的概述,分析了字符识别在车牌识别中的重要性及选取特征的标准,针对车牌中汉字与大写字母和数字采取不同的特征提取方法,最后进行实验分析并对其识别效果进行比较,发现用改进的13点特征法对汉字进行特征提取,其识别效果要好于直接用13点特征法对汉字进行识别。