手写数字识别的研究进展

脱机手写体字符识别技术是当前的热点和难点问题,是解决目前大量已有的文档资料录入工作的关键。在系统控制、人工智能、生物医学工程、遥感数据分析、军事目标识别等领域发挥了重要的作用,在国民经济、国防建设、社会发展和社会治安等方面得到广泛的应用。该文将就手写体字符识别技术的国内外研究进展进行综述。     

一种多分类器集成的手写体汉字识别方法

多分类器集成是手写体汉字识别领域的新方向。本文提出的多分类器集成方法通过改进的欧氏距离分类器将待识别汉字分类到某个粗分结果集中,然后根据粗分结果集选择1-N(one-against-rest)的SVM分类器对待识别汉字进行细分,最后用贝叶斯集成两级分类器。实验对国标一级汉字中的1034个手写汉字进行识别,证明了方案的有效性。     

基于PCNN改进算法的手写体识别研究

脉冲神经网络(PCNN)被广泛应用于图像处理、模式识别等领域。提出了一种基于PCNN的凹点检测改进算法。首先改进神经元激励函数,并利用小波收缩法去噪,保持图像的层次性,然后通过凹点检测识别手写体。实验结果表明,提出的方法能有效提高手写字母的识别率,尤其是在噪声环境下,识别率得到大幅提升。     

基于BP神经网络的多样本手写体字符识别

手写体字符识别是人机交互领域的一个重要内容,本文基于BP神经网络实现了任意数量字符模版的多字符手写体字符识别。分为以下几步,第一,首先对目标图像进行识别前预处理。包括灰度图像二值化、图像孤立像素滤波、图像膨胀、腐蚀、按字母最小行分割、按字母最小列分割、图像紧缩、归一化等;第二,用处理好的多个样本进行BP神经网络训练。包括BP网络参数的选择、目标结果构建、输入到结果的映射即用样本库进行神经网络学习机的训练;第三,待测字母的识别。包括对图像预处理、字符提取、归一化和送入已训练好的BP网络进行识别。该系统最终实现了95%以上的手写字符识别正确率,有一定的借鉴意义。     

P形傅里叶变换在手写体汉字识别中的应用

提出了曲线化汉字特征的概念,讨论了3类可曲线化的汉字统计特征.利用P形傅里叶算子,对这些曲线化特征作傅里叶变换,可提取到最终的识别特征.实验结果表明,该方法在手写体汉字识别领域具有良好的应用前景,尤其适用于细分类.     

基于形态结构特下的多位粘连手写体数字串的分割

本文提出了一种采用形态结构特征分割多位粘连手写体数字串的新方法。粘连数字串的预处理对平滑、线性化以及图象轮廓点的检测具有良好的作用。基于对数字串形态结构的分析,左边二位数字区域需要检测。本文法将多位数字串的分割变成几个二位数字的处理过程。当粘连区域仅存在一个数字时,该处理过程停止。我们采用来自美国国家科学技术研究所（NIST）数据库的图象样本对本文提出的方法进行了试验,结果证明,该方法是有效的。     

基于模板的连机字符识别方法

手写体字符在日常生活中普遍应用,同时也是一种有用的机器输入方式。模板匹配分类法能分类单个字符或词。本文,我们介绍一种基于模板的连机字符识别方法,大量具有代表性的模板会作自动判决。这些模板代表一个特定字符的不同书写风格,它们也可作为判决树的一种高效分类。在296MHz的Sun Ultra Sparc机上,对一组17,928个字母数字（共36种：10种数字,26种字母）的测试,其识别率超过8字符／秒,并取得了86．9％的正确率。     

基于模糊方向特征的手写体汉字识别

方向特征在手写体汉字识别中得到了广泛应用[1,2].本文引入模糊数学的思想,提出了模糊方向特征.汉字的模糊方向特征的提取过程包括:(1)确定模糊网络;(2)抽取边缘点"横、竖、撇、捺"模糊方向属性特征;(3)合成模糊网络和边缘点模糊方向属性特征,生成汉字字符的模糊方向特征我们应用模糊方向特征,实现了一个脱机非限制手写体汉字识别系统,对含有7 600(19类)个汉字的测试集测试,取得了较好的识别效果.这表明,本文提出的模糊方向特征对手写体汉字的识别是有效的.     

基于级连分组BP网络的高精度手写数字识别

本文提出了一种基于级连分组网的手写数字识别的新方法。这种方法根据将每次分类任务简单化的思想,将每个网络的任务简化以提高其辨别能力。整个系统分为两级,第一级进行粗分类,选取前两个后选字。第二级对两个后选字进行细分类。每个细分类网络完成区分两类特定模式的任务,由于每个子网络分类数目的减少导致识别精度的提高。使用我们自己构造的含10万个字符的库进行测试,我们的系统达到了在拒识为5%以内时误识为0.067%。     

基于笔划宽度提取的手写体汉字归一化方法

手写体汉字书写变形是手写体汉字识别预处理阶段的重要问题之一。为了有效地改善手写体汉字变形并识别手写体汉字,提出了手写体汉字笔划宽度提取,以及基于提取出的笔划宽度的手写体汉字归一化的方法。用上述方法在计算机上进行仿真实验,实验结果表明,手写体汉字归一化的方法既能保证原手写体汉字的形状结构特征不变,并可有效地改善手写体汉字变形差异。