适用于银行票据手写数字串切分的滴水算法

在连通域提取与属性判别的基础上,得到不固定长度的粘连字串,利用波形分析的方法对字串个数进行判断,用具有指导信息的改进滴水切分算法解决了覆盖、粘连等非约束不确定位数的手写数字串切分问题. 该切分算法在实际的银行票据自动识别系统中取得了实用化的效果.     

利用图论算法识别限制性手写汉字

介绍了以图的同构算法为基础,对限制性手写汉字进行了计算机光电识别的方法。该方法已能识别限制手写汉字,正确识别率超过８５％,并且有潜力识别更多的,数量不限的汉字。     

基于粘连符号分割和多特征融合的手写公式识别

为了解决字符粘连影响脱机手写数学公式自动识别的问题,提出一种基于字符轮廓特征的单点粘连符号切分方法.首先利用字符上下两侧轮廓方向码信息得到切分点和切分方向;然后结合宽度、高度、角点个数、投影轮廓等几何特性对切分后的字符片段实现多特征融合的特殊符号识别,并将特殊符号从整体数学公式中进行有效分离;最后结合特殊符号与周围字符的上下左右、重叠、半包围等空间位置关系特性实现结构的解析,并将经过卷积神经网络识别后的普通字符代入结构解析序列,实现公式的整体识别.实验结果表明:该方法能有效处理数学公式中粘连情况及特殊符号识别;粘连符号的切分准确率达到87.25％,提高了手写数学公式的整体识别率.     

用限制模板和映射变换对手写数字识别进行预处理

手写体数字识别的复杂性来源于手写数字的不规范性，提出了一种利用限制模板和映射变换预处理手写数字识别的方法。利用模板对用户输入进行简单的规范并将手写数字映射变换为标准的七段数，通过一个简单的特征提取和分类识别算法，取得了很好的效果。     

知识基联机自然手写汉字识别

本文研究了一种识别联机自然手写汉字的方法,充分利用汉字知识,构造联机汉字的知识框架,在专门知识引导下识别自然手写汉字,汉字的多种构形规律和书写规律被用于联机汉字的知识表达和建模,输入汉字经过笔划元提取后,采用框架描述,与知识颤 中存储的汉字模型进行约束满足的不精确匹配。对国际一级汉字进行测试,在对书写次序,笔划数目,是否连笔等很少限制的情况下,能获得很高的识别率,证明本文方法是有效的。     

概率统计应用于手写模式识别系统

介绍了模式识别及手写模式识别系统相关知识,进而叙述了手写模式识别系统的结构设计、实现和实验,通过实验得出该手写模式识别系统在理论上和实际上是可行的结论．     

概率统计应用于手写模式识别系统

介绍了模式识别及手写模式识别系统相关知识,进而叙述了手写模式识别系统的结构设计、实现和实验,通过实验得出该手写模式识别系统在理论上和实际上是可行的结论.     

汉王手写电脑

汉王科技联手微软精心打造了汉王手写电脑。据称，该产品是目前唯一一款使用自主研发手写技术的平板电脑。只需使用电磁笔，用户就可直接在手写电脑液晶屏上手写输入．其附设的手写识别技术可识别汉字行草和连笔英文单词，准确率在99％以上．手写识别率高于普通平板电脑几倍．附设的语音识别功能还可把普通话转换成汉字。     

基于频域分析的在线手写签名认证算法

目的 为提高在线手写签名认证的速度,提出一种基于频域分析的在线手写签名认证算法,用于在线手写签名认证的粗分类.方法 首先使用快速傅立叶变换对在线手写签名原始特征向量进行映射,然后抽取低频信息构成新的特征描述,最后使用加权认证算法实现在线手写签名的认证.结果 算法提高了在线手写签名认证的速度,且在SVC2004task2数据集上取得的ERR为10%.结论 快速傅立叶变换抽取频域特征易于区分伪造签名,且快速有效.依据用户各种特征稳定程度进行加权认证,提高了系统的鲁棒性.     

多尺度特征与知识图谱融合的景区手写诗词识别

针对景区手写诗词存在背景纹理复杂、字体尺寸及风格多样等特点导致景区游客难以识别手写诗词的问题,首先,分析研究景区手写诗词的识别场景,设计景区诗词检测网络(detection of poetry in scenic areas-network, DPSA-Net)以提取景区手写诗词不同尺度的特征,并结合手写诗词字符间的链接依赖关系实现景区手写诗词检测;其次,设计了卷积循环聚合网络(convolution recurrent aggregation network, CRA-Net)以对景区手写诗词进行识别,结合卷积神经网络(convolutional neural networks, CNN)和双向长短期记忆网络提取手写诗词图像的序列特征,并通过聚合交叉熵(aggregation cross-entropy, ACE)实现特征向文本的转换;最后,结合景区知识图谱对CRA-Net的输出进行校正,进而提高景区手写诗词的识别准确率。实验结果表明,通过景区手写诗词矫正技术对CRA-Net的识别结果矫正后,识别准确率达到了79.04%,同时,该技术具有较好的抗干扰能力和良好的应用前景。     

基于连续非对称卷积结构的手写体数字识别

为了提高手写体数字识别的准确率,设计并提出了一种基于连续非对称卷积结构的手写体数字识别的深度学习算法.以连续非对称卷积结构为基础,结合极限学习机和MSRA初始化设计网络结构.在识别输入图像时,利用CUDA并行计算与Cudnn神经网络GPU加速库对手写体数字识别进行加速.在MNIST手写体数字数据库上进行实验,提出的网络结构识别准确率达到99.62%,单张图像识别速度为0.005 8 s.经实验结果对比表明,该网络结构在识别准确率和识别速度上得到有效提升.     

基于连通域的字符孔洞提取算法及其实现

提出了基于等价类行程的连通域算法,通过计算字符图像背景区域连通域提取手写字符图像的孔洞特征。为将相关行程合并成连通域,构造一个等价类数组记录和传递相关行程间的连通关系。手写数字字符图像的实验结果表明,本文算法能准确有效地提取手写数字字符孔洞特征,可用于字符分类识别。     

基于数学形态学与图论的数显字符识别

根据数显数字字符的特点,设计了一种基于数学形态学与图论的字符识别算法。针对数显数字字符,将数学形态学的膨胀和细化处理后的字符图像看作是1幅连通图,根据图论中闭合曲线特征,选择闭合曲线作为其整体特征对10个数字字符进行初次分类,将笔画端点所处字符图像中4个子区域的位置作为主要的细节特征,对字符进行识别。测试结果表明该算法是可行、有效的。     

基于分数本征特征的手写数字识别

特征提取是手写体数字识别研究中的重要问题,有效、稳定的特征是提高识别率和识别精度的关键。该文提出了一种基于分数本征特征和核非线性分类器的手写数字识别方法,首先找到时频平面的一个轴进行分数傅里叶变换,使不同类别样本在这个轴上最大限度地分开,然后用主元分析进行降维,得到比较稳健的低维特征,再将常用分类器用于特征分类,实现对手写数字的识别。对实际数据进行实验,结果表明上述本征特征与核非线性分类器相结合有较高的识别率和训练、分类效率。     

非重构压缩样值跳频信号时频联合估计算法

针对宽带跳频信号的参数进行精确快速的估计,提出一种非重构压缩样值跳频信号时频联合估计算法。首先在非重构原始信号的前提下,通过研究信号的压缩数字特征,发现信号频率发生改变的位置,然后对该位置所在的数据段进行重构得到其频域系数,即可达到估计跳频频率、跳频周期以及跳频跳变时刻的目的。仿真结果表明,当信噪比为10d B,压缩比为1/4时,该算法估计出跳频信号的跳变时刻与Wigner算法达到相同误差条件下,所需处理的采样点个数为Wigner算法的1/4;比完全重构信号后估计算法误差小,所需重构的采样点个数为完全重构的1/4。该算法相对于传统的时频特征算法和基于压缩感知的完全重构估计算法,运算复杂度低,实时性较好。     

一种基于特征串比较的眉毛识别方法

为了对眉毛这种新颖的生物特征开展识别研究,提出了一种基于特征串比较的眉毛识别方法,其基本思想是采用离散傅里叶变换和K-均值算法进行特征串提取,并通过计算2个眉毛特征串之间的编辑距离来确定所识别的候选人.在22人的小规模眉毛图像数据库上所做的6组实验表明。该方法均达到了95.45%或100%的识别正确率,从而验证了眉毛识别用于个人身份鉴别的可能性和有效性.     

集中式光伏电站巡检无人机视觉定位与导航

为了使无人机在集中式光伏电站实现自主飞行,完成光伏组件红外及可见光图像采集任务,针对集中式光伏厂区光伏组串分布特点,提出光伏组串边缘检测方法,并通过视线导引法实现无人机路径跟随控制. 同一厂区的不同光伏组件之间存在颜色差异,针对其颜色特征提出自定义分割方法,结合形状特征可有效识别光伏组件;提取光伏组串轮廓和边缘信息可获取无人机理论飞行路径,通过视线导引法实现无人机对理论飞行路径的精准跟随以确保图像数据采集的有效性和完整性. 实验结果表明,提出的光伏组串识别算法具有较好的适应性和实时性,能够用于无人机理论飞行方向与无人机和光伏组串间偏移量的计算,利用导航控制算法能够实现理想的光伏组串循迹. 光伏组串识别算法和视线导引法能分别有效实现定位和导航,2个程序的结合能够满足无人机飞行控制要求.     

多层前向神经网络在手写体数字识别应用中的研究

针对手写体数字的特点并从实用性的角度出发，采用了一种融字符特征抽取和识别于一体的五层结构的前向传播网络，为了减少连接权值的个数，在网络中采用了权值共享和部分映射，在系统的训练过程中，利用误差函数的二阶导数加速网络的收敛，取得了较好的结果，比传统ＢＰ算法快４～５倍。在此基础上，利用二阶导数的信息对网络进行了神经损伤即鲁棒性实验，使网络权值数大大减少。     

一种快速识别飞机仪表参数的算法

提出了一种快速识别阿拉伯数字０～９的算法,用于飞机仪表参数的识别。这种算法基于二值图像,先从二值图像中找出各数字的特征,然后再用决策树对这些数字进行分类。该方法不需对图像进行如细化、轮廓跟踪等处理,节省了大量图像处理时间,具有较高的识别速度,因而可用于实时识别。