脱机手写体汉字识别研究综述

脱机手写体汉字识别是汉字识别领域中最难的课题。该文对目前脱机手写体汉字识别在预处理、特征提取、分类识别及后处理四个阶段主要采用的方法做了简要介绍,阐述了各种方法的优缺点,并提出了一种将支持向量机有效地用于解决多分类问题的策略。最后根据目前的研究状况,指出今后研究中需要注意的问题和研究的发展方向。     

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中的难题之一。该文分析影响脱机手写体汉字识别性能的主要方面,如规范化方法、特征提取方法及分类方法,给出了每种方法的适用条件,介绍了目前研究中所使用的数据库。     

基于SVM的手写体相似汉字识别

支持向量机作为一种新的机器学习方法,由于其建立在结构风险最小化准则之上,而不仅仅是使经验风险达到最小,从而使支持向量分类器具有较好的推广能力.并且,由于支持向量机算法是一个凸二次优化问题,能够保证找到的极值解就是全局最优解.文章首先讨论了基于支持向量机的手写体相似汉字识别过程.然后,针对支持向量机识别手写汉字所遇到的问题进行了分析和阐述,并在此基础上提出了基于最小距离分类器分类的两级分类策略.最后,针对理论进行了实验仿真.实验结果有力证明了本文提出的基于svM的相似汉字识别方法的有效性.     

基于整形特征和模糊识别的手写体汉字识别

针对以往手写体汉字识别方法的形近字准确识别率低、实现过程复杂和运算速度慢等不足,提出了一种比较简单和快捷的手写体汉字识别方法。该方法首先提取汉字整形特征,再按照笔顺进行编码,然后建立标准样本识别库,最后融合模糊模式识别方法以进行汉字识别。实验结果证明,该方法较好地解决了目前形近字的识别率低等问题,实现了以较快的速度和较高的准确率进行手写体汉字的在线识别。     

基于整形特征和模糊识别的手写体汉字识别

针对以往手写体汉字识别方法的形近字准确识别率低、实现过程复杂和运算速度慢等不足,提出了一种比较简单和快捷的手写体汉字识别方法.该方法首先提取汉字整形特征,再按照笔顺进行编码,然后建立标准样本识别库,最后融合模糊模式识别方法以进行汉字识别.实验结果证明,该方法较好地解决了目前形近字的识别率低等问题,实现了以较快的速度和较高的准确率进行手写体汉字的在线识别.     

ART2神经网络在手写体汉字识别中的应用

该文提出了一种基于神经网络的手写体汉字识别方法,该算法充分利用神经网络的自适应学习能力。ART2网络通过竞争学习和自稳机制原理实现分类,可以在非平稳的、有干扰的环境中进行无教师无监督的自学习。其学习过程是自组织的实时学习,能够迅速识别已学习过的样本,并能迅速适应未学习过的新对象。考虑到Gabor滤波器具有优良的方向性,该算法采用Gabor特征作为字符特征。Gabor特征反映字符的空间分布特征,而且可以组合成高维矢量,特别适用于汉字识别这大型模式识别场合。实验结果显示,该算法对测试样本识别正确率达到94％,比其他方法更准确、更可靠。     

一种手写体汉字特征提取新方法—小波变换及弹性网络技术的应用

利用小波分析方法将汉字图象分解为横、撇、竖、捺４个方向的分量，然后结合弹性网络技术，提出了进行了手写体汉字特征提取的一种新方法，实验结果显示此方法是行之有效的。     

基于细识别的脱机手写体汉字识别的集成

目前脱机手写体汉字识别技术的细识别采用的方法有很多,如重心模糊网格法,势场特征撮法等,但第一一种方法都有不足之处,不能达到很的效果,该文提出了一种不细化担取笔划元法及综合３种识别方法的集成方案,使识别率有了很大的提高。     

基于轮廓追踪的字符识别特征提取

字符识别是模式识别的一个重要分支,其关键是特征向量的选择与提取。小波分解和分形在图像处理方面有着广泛的应用,在结合二者特点的基础上提出了一种新的基于轮廓追踪的字符识别特征选取方法。即对于一个输入的字符图像经预处理提取其轮廓,并由轮廓追踪获得边缘点坐标序列,实现了从二维图像数据到一维数据的转化,对得到的一维曲线进行小波分解,计算少数几个分解得到的曲线的分形维数,以它们构成特征向量。并对有关字符做了实验,其效果是令人满意的。     

基于特征反馈的手写体汉字识别系统研究

针对传统基于开环的汉字识别系统不完全符合人类识字过程的问题,构建了一种具有反馈结构的仿人智能识别系统。该系统根据待识别汉字的多模态定性识别结果来选择最佳的首轮识别方案,在完成识别之后,提取广义识字误差对候选字进行可信度判断和反馈校正。设计了3种广义识字误差,通过对这3种广义识字误差的类型和数值进行定性与定量相结合的分析,建立了识别结果的可信度评价指标体系和反馈校正决策机制。仿真实验结果验证了方法的可行性。     

基于HHT的脱机手写体汉字特征提取

提出了一种基于数学形态学方向笔画提取的希尔伯特一黄变换(HHT)方法,对脱机手写体汉字进行特征提取.通过对HHT得到的Hilbert谱和边际谱的分析,构成4维结构特征和32维统计特征,并对其进行特征融合后得到36维特征向量作为最终的识别特征.试验结果表明其识别率比单独使用Gabor变换、小波变换等方法的识别率高.在识别速度上虽然比矩变换、数学形态学等方法慢,但是比Gabor变换的速度有明显提高,比多方法特征融合的方法在速度上有一定提高.该研究表明HHT作为一种新的信号分析方法,可以被有效地运用于提取汉字图像的特征.     

Model-based stroke extraction and matching for handwritten Chinese character recognition

This paper proposes a model-based structural matching method for handwritten Chinese character recognition (HCCR). This method is able to obtain reliable stroke correspondence and enable structural interpretation. In the model base, the reference character of each category is described in an attributed relational graph (ARG). The input character is described with feature points and line segments. The strokes and inter-stroke relations of input character are not determined until being matched with a reference character. The structural matching is accomplished in two stages: candidate stroke extraction and consistent matching. All candidate input strokes to match the reference strokes are extracted by line following and then the consistent matching is achieved by heuristic search. Some structural post-processing operations are applied to improve the stroke correspondence. Recognition experiments were implemented on an image database collected in KAIST, and promising results have been achieved.     

基于归一化背景方向特征的脱机手写汉字识别

对4方向背景方向特征进行了改进,提出了8方向背景特征描述方法。与4方向背景方向特征描述方法相比,改进后的特征描述方法可以从0°、45°、90°、135°、180°、225°、270°、315°共8个方向来对汉字图像进行考察,从而进一步提高描述的精度。此外,为了消除笔划粗细的影响,还对背景方向特征进行了归一化处理。实验结果表明改进后的归一化8方向背景方向特征具有更高的识别精度。     

Thinning and stroke segmentation for handwritten Chinese character recognition

Firstly, a thinning technique by means of stroke tracking is proposed. The method is considered to preserve the straightness of strokes and the length, which is useful for the stroke segmentation procedure on the recognition of handwritten Chinese characters.Secondly, a method for stroke segmentation, i.c. a way of breaking down a character to a set of consecutive partial strokes, is proposed, which works well owing to the favourable properties of the proposed thinning technique. The method consists of five procedures: extraction of feature pixels, calculation of stroke directions, piecewise linear representation of strokes, unification of intersections and extraction of the consecutive partial strokes.     

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。     

基于改进inception的脱机手写汉字识别

由于字形的复杂多变,脱机手写汉字的识别一直是模式识别的难题,深度卷积神经网络的发展为其提供了一种直接有效的解决方案。研究基于inceptions 结构神经网络的脱机手写汉字识别,提出了一种inception结构的改进方法,它具有结构更加简单、网络深度扩展更加容易、需要的训练参数量更少的优点。该方法在数据集CISIA-HWDB1.1 上进行了实验验证,采用随机梯度下降优化算法,模型达到了96.95%的平均准确率。实验结果表明,使用改进的inception结构在图像分类上具有更好的鲁棒性,更容易扩展到其他应用领域。     

Preprocessing for Chinese character recognition and global classification of handwritten Chinese characters

Techniques for calculating the stroke directions of thinned binary characters and for detecting the intersections and end points of strokes by means of pattern matching and weighting method are proposed as a preprocessing of handwritten Chinese character recognition. We also propose a method for global classification of handwritten Chinese characters by means of projection profiles of strokes and show that the method is available for the Chinese characters written in the square style.     

基于连续小波变换和分形理论的水下回波特征提取

提出了一种水下回波特征提取方法。该方法利用连续小波变换和分形理论从水下回波包络中提取分形维,并作为水下目标分类的特征矢量。对实测的4类不同沉积物回波数据进行特征提取与分类,结果表明:该方法能可靠地区分不同类别的海底底质类型,具有较高的正确识别率。