基于弹性网格和Legendre矩的手写体汉字识别方法

特征提取是手写体汉字识别的关键环节。论文提出了一种新的特征提取方法,即基于特征融合技术将弹性网格变换和Legendre矩变换结合起来,用弹性网格变换提取局部特征,用正交Legendre矩提取全局特征,然后使用K-L变换进行特征压缩,消除冗余信息。实验证明该方法是行之有效的。     

基于手写体汉字双弹性网格模糊特征的研究

针对目前的纵横弹性网格技术不能有效提取到汉字撇和捺笔划模糊特征的不足,结合双弹性网格技术和汉字的模糊特征提取方法,提出一种双弹性网格模糊特征提取方法.该方法首先利用双弹性网格技术对汉字图像进行网格划分,并对该图像进行横、竖、撇、捺笔划分解,得到4个方向子图像;然后采用双弹性网格技术及网格字块间的相关模糊性对子图像提取特征.通过实验证明,该方法在处理大类别手写体汉字识别时,因其稳定性高,识别效果好,从而明显优于很多其他的特征提取方法.     

基于双弹性网格的手写体汉字识别

特征提取是手写体汉字识别的关键,目前四方向网格特征已被实验证实是一种较好的手写体汉字特征。针对通常的纵横弹性网格对汉字“撇、捺”笔画特征提取的不足,提出一种新的网格构造技术——对角弹性网格,它由45°和135°的对角直线构成,将汉字图像划分为多个菱形,能够很好地适应汉字在“撇、捺”方向的变化。将这两种网格单独,以及相互组合成双网格等情况分别进行手写体识别实验,实验结果验证了对角弹性网格的有效性和双弹性网格的高识别率性。     

一种基于数学形态学的手写汉字方向特征提取方法

提出了一种新的基于数学形态学的手写体汉字方向特征提取的方法。该方法首先提出了一种利用数学形态学对手写汉字做笔划宽度归一化的方法，然后应用数学形态学的方向模板提取汉字在横、竖、撇、捺4个方向上的模式图像，最后，将弹性网格作用在4幅方向模式图像中，统计每个网格中的黑像素分布密度，得到汉字的方向特征。使用简单的距离分类器对120套3775个汉字手写体汉字进行识别实验，识别率达到8547％。     

几种手写体汉字网格方向特征提取法的比较研究*

近年来,网格方向特征已广泛应用于许多手写体汉字识别系统中,并认为是目前较成熟的手写体汉字特征之一。网格技术和方向分解是网格方向特征的两个关键技术。方向特征提取方法有许多种并各有优劣。对几种方向特征提取方法进行了比较研究,对其中一些方法进行了改进,并将我们提出的局部网格的划分方法应用到这几种方向分解特征的提取上,取得了较好的识别效果。     

几种手写体汉字网格方向特征提取法的比较研究

近年来,网格方向特征已广泛应用于许多手写体汉字识别系统中,并认为是目前较成熟的手写体汉字特征之一。网格技术和方向分解是网格方向特征的两个关键技术。方向特征提取方法有许多种并各有优劣。对几种方向特征提取方法进行了比较研究,对其中一些方法进行了改进,并将我们提出的局部网格的划分方法应用到这几种方向分解特征的提取上,取得了较好的识别效果。     

希尔伯特-黄变换手写体汉字识别方法

针对脱机手写体汉字的非平稳特性,提出了一种基于希尔伯特-黄变换的手写体汉字识别方法.该方法根据汉字图像的特点将一维HHT扩展为二维HHT,用以获得汉字的瞬时频率特征,并将局部的瞬时频率特征和全局的Zernike矩特征组合作为最终的识别特征.实验结果表明,该方法是有效的.     

基于弹性网格模糊特征的手写体汉字识别方法

网格方向特征在手写体汉字识别系统中得到广泛应用,被认为是目前较成熟的手写体汉字特征之一。网格技术是网格方向特征的关键技术之一。根据汉字笔画分布特点及拓扑结构的相关性,提出了一种新的基于弹性网格及其相关模糊特征的提取方法。该方法使特征向量的信息量增加,特征更加稳定。对银行支票图像大写金额的识别率达到97.64%,实验结果证明本文方法比其他网格方向特征更有效。     

一种手写相似汉字特征选择方法的研究

在采用支持向量机分类器识别的基础上,提出了一种基于遗传算法进行手写体相似汉字特征选择的方法,解决了相似字中部分空间的自动确定问题。采用弹性网格与小波变换相结合的方法提取相似汉字的特征。实验结果验证了基于交叉验证的特征选择方法的泛化性能好于基于简单验证的方法的结论。     

一种基于局部Gabor滤波器组的手写体汉字识别方法

针对单一尺度的Gabor滤波器组只对某一特定粗细的手写体汉字敏感的缺点，提出了一种新颖的多尺度局部Gabor滤波器组。为了评估该方法的识别性能，提出了一个基于Gabor特征的手写体汉字识别系统，实验表明多尺度全局Gabor滤波器组在识别性能上明显提高，局部Gabor滤波器组在基本保持识别性能的情况下，特征维数明显降低，计算量和内存需求减少。该方法的创新之处在于选取局部Gabor滤波器，对863 HCL2000手写体汉字数据库的识别，最高平均识别率达到了92.32%，表明了该方法在手写体汉字识别中的有效性。     

手写体汉字扇形弹性网格特征提取的新方法

近年来，网格方向特征已广泛应用于许多手写体汉字识别系统中，并认为是目前较成熟的手写体汉字特征之一，网格技术和方向分解是网格方向特征的两个关键技术，该文提出了一种新的网格技术一扇形网格法，结合边缘方向分解技术^[1]，构造了一种新的手写体汉字特征提取方法一扇形网格边缘方向分解特征，实验结果验证了本方法的有效效。     

基于小波矩和主分量分析的车牌字符识别方法

随着物联网技术的发展,车联网的应用日益广泛,从而对车牌字符的识别提出了更高的要求,而字符识别的关键在于特征的提取和选择。提出了一种基于小波矩和主分量分析提取和选择特征向量的方法。该方法首先通过小波矩提取字符的特征,然后通过主分量分析对提取的特征进行选择,最后将特征向量送入BP神经网络进行字符识别。该方法能够很好的反映图像的全局特征和局部特征,并且具有较强的抗干扰能力。实验结果表明,该方法可以得到较好的识别效果。     

基于小波的车牌汉字特征提取

车牌识别系统是智能交通不可或缺的一部分.在车牌识别系统中,车牌首位汉字的特征提取和识别是一个难点.为此,将小波的多分辨率特性应用于车牌汉字特征的提取,提出了一种直接从灰度图象提取车牌汉字特征的提取方法.该方法首先提取图象的小波矩和基于小波分解的区域密度特征,然后以识别率好坏为最优依据,进行特征分量排序和选择,最后把特征矢量送入BP神经网络进行字符识别.该方法避免了一些传统汉字特征提取方法需要对图象进行二值化操作而造成的汉字字符结构信息丢失.提取的特征有效地反映了车牌汉字的局部和全局特征.实验结果表明该特征提取方法可以得到比较好的识别效果.     

基于整体特征的快速手写体数字字符识别

该文通过模拟人眼识别数字字符的过程,提出了一种基于字符整体特征(凹凸特征)的快速手写体数字字符识别方法。该方法不需要对字符图像做复杂的细化处理,减少了细化形变可能带来的误识和拒识;也不需要进行复杂的笔道特征分析,因此速度非常快。同时,由于不同人书写的数字字符的整体特征都相同,因此该方法的识别率也非常高。     

基于整体特征的快速英文字母识别方法

文章提出了一种基于整体特征的小写英文字母识别方法.首先根据字母图像的赋值背景提取其整体特征,然后构建7个模板进行模板匹配.该方法不需要对图像作复杂的细化处理、轮廓提取等,减少了可能带来的误识和拒识,也不需要现有神经网络方法的长期训练,因而简单快速.同时,不同字体的字母图像其整体特性基本相同,因此识别率较高.     

Chinese calligraphic style representation for recognition

Chinese calligraphy draws a lot of attention for its beauty and elegance. The various styles of calligraphic characters make calligraphy even more charming. But it is not always easy to recognize the calligraphic style correctly, especially for beginners. In this paper, an automatic character styles representation for recognition method is proposed. Three kinds of features are extracted to represent the calligraphic characters. Two of them are typical hand-designed features: the global feature, GIST and the local feature, scale invariant feature transform. The left one is deep feature which is extracted by a deep convolutional neural network (CNN). The state-of-the-art classifier modified quadratic discriminant function was employed to perform recognition. We evaluated our method on two calligraphic character datasets, the unconstraint real-world calligraphic character dataset (CCD) and SCL (the standard calligraphic character library). And we also compare MQDF with other two classifiers, support vector machine and neural network, to perform recognition. In our experiments, all three kinds of feature are evaluated with all three classifiers, respectively, finding that deep feature is the best feature for calligraphic style recognition. We also fine-tune the deep CNN (alex-net) in Krizhevsky et al. (Advances in Neural Information Processing Systems, pp. 1097–1105, 2012) to perform calligraphic style recognition. It turns out our method achieves about equal accuracy comparing with the fine-tuned alex-net but with much less training time. Furthermore, the algorithm style discrimination evaluation is developed to evaluate the discriminative style quantitatively.     

基于整体特征的快速手写体数字字符识别

通过对模拟人眼识别数字字符的过程进行研究,提出了一种基于字符整体特征（凹凸特征）的快速手写体数字字符识别方法。该方法不需要对字符图像做复杂的细化处理,减少了细化形变可能带来的误识和拒识;也不需要进行复杂的笔道特征分析,因此速度非常快,同时识别率也非常高。实验结果表明该方法具有很高的识别率。     

基于小波变换和分形维数的车牌汉字识别

提出一种基于小波变换与分形维数的车牌汉字识别方法.对字符图像进行预处理和小波变换,应用改进的微分盒维法计算图像分形盒维值,并构造特征向量,利用支持向量机分类器对字符进行分类与识别.实验结果表明,该方法对模糊字符的识别具有鲁棒性,可提高汉字识别率.