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。     

基于数学形态学的文档图像倾斜校正算法

随着信息采集技术的不断发展,文档图像在信息的数字化管理中越来越重要.对文档图像的倾斜校正进行了研究,给出了基于数学形态学和Hough变换相结合的算法,进行文档图像的倾斜校正,同时将算法应用于印刷体和手写体的文档图像.实验表明该算法可以有效应用于两种文档图像的倾斜校正.     

一种斜体印刷字倾斜角度检测算法

斜体印刷字倾斜校正是光学字符识别中字符列切割的重要步骤,为了解决传统算法难以满足字符多样性等问题,提出了一种新的斜体印刷字倾斜角度检测算法.算法将文本行中所有斜体字看成一个整体,首先采用水平模糊去除字符多样性影响的同时保留足够多的倾斜角度信息,再通过垂直投影统计分析测得倾斜角度,从而实现斜体印刷字的倾斜检测与校正.理论分析及仿真结果表明,算法对中文、英文、数字及不同字体的倾斜字符均有效,测角正确率高、计算量小,具有良好的应用前景.     

倾斜校正算法的仿真与分析

有效字符的倾斜校正算法可以有效提高文字算法识别率和识别速度。本文对基于最小二乘直线拟合和Hough变换的倾斜校正算法进行仿真,证明Hough变换具有更好的倾斜校正效果。     

基于多模板归一化的维吾尔文字母识别算法

该文针对手写维文字符识别中字符宽高比变化剧烈,单一模板归一化后提取字符特征,不能有效增加异类字符之间的差异性,提出了针对维文字形特点的多模板归一化算法。训练阶段,由多模板归一化字符图像,提取特征并训练对应分类器;识别阶段,用主笔画散度方向作为维文字形参数, 对不同字形选用最优模板进行归一化处理后提取特征,并送入该模板对应的分类器。多模版归一化有效利用了手写维文字符字形特征,克服了单模板归一化时异类维文字符差异减小的不利影响。实验结果表明多模板归一化算法较单模板归一化算法在识别性能上有所提高。     

基于实值Gabor能量特征的手写体维文字符识别

提出了一种基于实值Gabor滤波器手写体维吾尔文字符特征提取算法.将手写体维吾尔文字符图像进行滤波处理之后,在将图像进行分决,提取出每一块的实值Gabor能量值.由这些能量值形成一个能量矩阵,将矩阵降维之后得到字符的特征相量.完成特征提取后,使用KNN识别分类器进行识别.对手写体维吾尔文单字符数据库中的样本分别进行基于实值Gabor能量特征的手写体维吾尔文字符特征识别和字符笔迹特征识别.对KNN分类器识别的平均识别率和平均候选识别率进行了数据分析.实验结果表明,该算法简单有效且识别率比较高.     

车牌识别系统关键技术研究

倾斜角度、边框清晰度影响着车牌的校正,边框、铆钉和间隔符等也影响字符的提取,该文提出了一种改进的Harris角点检测算法,该方法不受倾斜角度影响,直接定位车牌内角点,可将内角点作为校正基准点。校正后的车牌不存在边框,字符串位于图像的中心位置,可以根据车牌字符串的整体位置值提取字符。实验证明,该算法在车牌校正与字符提取方面是有效的。     

组合结构特征的自由手写体数字识别算法研究

自由手写体因其书写风格差异大、上下文无关及识别准确度要求高等原因导致其识别难度大的问题。针对手写体数字识别的特点及要求,提出一种新的基于组合结构特征的自由手写体数字识别算法。通过扩展的字符结构特征识别算法自动、鲁棒地提取手写体数字字符端点、分叉点、横线等多种结构特征,并组合应用这些结构特征构造决策树完成手写体字符的自动识别。实验结果表明基于组合结构特征的自由手写体数字识别算法的鲁棒性和识别率明显优于传统方法。     

基于Radon变换的文本图像倾斜校正

归纳现有的多种倾斜字符校正方法,提出一种基于Radon变换用于一般字符校正的方法。该方法对文本图像做简单的数学形态学处理,利用Radon变换求出文本倾斜的角度。实验结果表明：与传统方法相比,本算法减少了计算量,提高了校正效率,且具有较强的适用性和鲁棒性。     

用于神经网络手写体字符识别的自适应归一化处理方法

传统的字符归一化方法只是对字符的大小进行改变,它与字符类别无关,也无法对字符的旋转、扭曲等变形进行矫正.本文采用一种与字符类别相关的自适应归一化方法--全局仿射变换,用于神经网络手写体字符识别中,利用已知类别的参考模板对输入字符进行全局归一化,同时对字符的旋转、扭曲等变形进行校正,归一化准则定义为参考模板与输入模板间的最近邻距离,并采用对权值的迭代算法得到最优的匹配模板.采用不同神经网络识别系统对该方法验证,表明该方法可使系统识别率得到较明显提高.