手写印刷体汉字相关属性关系图启发式匹配法

在手写印刷体汉字识别的研究中,汉字的总体结构特征渐渐体现出了它的重要性,人在识字时,也只是掌握了汉字结构的一种抽象描述,只要汉字的结构偏差在一定范围内,人就可以进行非精确匹配,将该字识别出来,我们详细分析了手写印刷体汉字的结构特征,认为手写印刷体汉字最稳定的结构特征是汉字笔划段之间的相对位置关系。因此如     

手写印刷体汉字识别方法2-D EAG

本文介绍手写印刷体汉字识别方法2-D EAG。主要的工作为:提出了二维扩展属性文法模式识别方法,可实现自底向上归约和自顶向下推导双向信息传递和控制;提出了一种直接利用二维信息进行识别的方式,可避免特征线性化造成的信息丢失;提出了多义文法、共生文法和结构推断三种在文法之间建立联系,利用结构类比区分极相似字的 识别算法;提出了多冗余归约机制,双边缘弹性跟踪笔段抽取算法,多冗余有引导部件抽取算法。用2-D EAG方法对100字种实际手写汉字进行了识别实验,在识别大畸变汉字(包括部分连笔字)方面得到了很好的结果。     

一个手写印刷体汉字识别实验系统

本文在充分考察了手写汉字和中国大汉字集特点的基础上, 提出了一组用于手写印刷体汉字识利的分类特征, 它们是长笔划分布类型、各类笔划的数目、交叉点数目和折点数目。利用这组特征进行匹配就可直接识别出GB2312-80汉字集中的绝大部分汉字, 再通过一个基于知识的推理过程即可进一步识别出已被分成类组的少数剩余汉字, 这种将统计分类与基于知识的推理识别相结合的两级识别方法具有较高的效率。一个适应性较强的汉字笔划和特征点抽取方法也被设计, 它是SLSA方法的改进, 与机器学习功能相配合, 大大提高了特征抽取的正确率。我们根据上述思想建立了一个手写印刷体汉字识别实验系统, 并获得了较好的实验结果。     

基于假设检验的手写印刷体汉字识别方法

为将统计决策方法和句法方法有机结合起来, 本文提出了以部件为基元的基于假设检验的手写印, 体汉字识别方法由统计方法得到候补字集, 利用部件特征的先验知识抽取待识字可能包含的部件并对假设进行验证, 从而不断缩小候补字集, 并逐步完善汉字的结构描述。初步实验表明其分类效果明显。     

手写印刷体汉字识别中近似字的区分

本文详细地分析了手写印刷体汉字中字形相似字的特点。采用对汉字点阵图象进行方向变换的方法, 利用汉字的笔道（黑点）方向和背景（白点）的封闭率特征表现近似字的局部差异, 在相似字特征判定表的引导下, 对字形相近的字进行判别, 取得了令人满意的效果。     

联机手写汉字识别的双向加权匹配法

输入字符和原型字符之间线特征的匹配可以系统地用双向加权匹配来叙述。若给出两个线段与任意线段的不匹配损失的距离，则匹配的目的就是寻找一个匹配总和，其值是匹配边缘的加权值与不匹配顶点损失之各为最小。本文通过一种压缩算法对匈牙利方法应用于解决匹配问题。     

自然手写汉字FS识别法

提出联机识别自然手写汉字的FS识别法。在剖析五笔字根结构和编码原则基础上,对五笔字根作适应性改造,将键盘输入技术与联机识别技术有机融合的一种识别体系。在多库识别体系中首次采用层间分级技术。分析和实验表明：充分考虑了自然手写汉字书写习惯和结构特征,系统有较高稳定性。     

用特征向量元素模糊分类的手写汉字识别

本文介绍了一个用特征向量元素模糊分类的手写汉字识别系统，系统在预处理时采用字心中心法，一级分类用笔道密度函数特征的向量元素模糊方法分类，详细识别用外廓方向贡献度特征，系统实验表明本识别方法是有效的。     

汉字原型与手写汉字识别

本文评述了目前三种汉字的计算机表示和二种传统的汉字结构分析方法。应用拓扑和几何的基本原理, 分析汉字结构及其制约关系。从而, 确定四类组成汉字的基本关系并在此基础上实现了汉字原型, 给出了把汉字原型应用在手写汉字认别的实例。     

大规模逻辑神经网络印刷体汉字识别系统

逻辑神经网络是一种采用快速学习算法、ＲＡＭ阵列实现的数字网络。本文描述了采用这种网络模型实现的印刷体汉字识别系统。这是一个初步实用的系统，可识别大约４０００个不同字号的宋体汉字及其它字符，其识别率为９９％，对于实际书刊，识别率也能达到９５％。系统使用了大约３８４，０００个神经节点，是一个复杂的大规模神经网络。和其它同类系统相比，具有适应性、稳固性好，学习速度快以及可用数字集成电路全硬件并行实现等优     

一个印刷体汉字识别系统的设计

给出一个印刷全汉字识别系统的设计方案，它主要包括扫描输入，模糊增强与聚类分割 ，图象数据二值比，通过并行神经网络进行汉字匹配等四个步骤。     

小类别数手写汉字识别

针对小类别数手写汉字,在骨架图形的基础上,把手写汉字看作孤枝、孤环和部件的集合,并定义三者之间的方位关系,从而建立手写汉字的数学模型．基于迷种模型,进一步探讨一种新的识别方法以及新方法所使用的知识库的构造方法．实验表明,所提出的模型及识别方法对于小类数的手写汉字识别行之有效。     

离线手写汉字识别的并行实现

汉字识别属于大类别模式识别问题,用并行算法可望提高在单机环境下识别离线手写汉字图象的运行速度,提出了一种汉字识别算法的并行设计方案,并针对它在ＰＶＭ环境下运行结果进行了性能分析。     

大规模逻辑神经网络印刷体汉字识别系统

逻辑神经网络是一种采用快速学习算法、RAM阵列实现的数字网络。本文描述了采用这种网络模型实现的印刷体汉字识别系统。这是一个初步实用的系统, 可识别大约4000个不同字号的宋体汉字及其它字符, 其识别率达99%, 甚至对于实际书刊, 其识别率也能达到95%左右。系统使用了大约384,000个神经节点, 是一个复杂的大规模神经网络。和其它同类系统相比, 具有适应性、稳固性好、学习速度快以及可用数字集成电路全硬件并行实现等优点。