一种改进的脱机手写汉字四角特征粗分类方法

将粗分类应用于脱机手写汉字识别中,采用这种多层次分类策略,能有效地改善识别的性能,提高识别精度。本文提出了一种利用四角区域结构特征对手写汉字进行粗分类的方法。在对汉字基本笔画进行分析的基础之上,根据手写汉字形变的特点以及识别算法的要求,定义一组新的笔画单元,并将这些笔画单元与汉字特定区域内的结构进行比对,得到一组4位结构特征编码,以此作为脱机手写汉字粗分类的依据。对GB2312一级字库中的部分手写汉字进行采样和识别实验,结果证明改进的四角结构特征用于粗分类的有效性。     

基于SVM的脱机手写汉字机器学习识别方法研究

提出了一种模糊统计方法的脱机手写体汉字特征提取方法．结合小波网格方法和汉字笔画密度特征方法对汉字进行特征提取，并运用支持向量机方法，通过机器学习对脱机手写汉字识别。仿真实验表明，支持向量机方法在脱机手写汉字识别中有良好的识别性能及模糊统计方法是有效的。     

脱机手写汉字机器识别方法研究

脱机手写汉字机器识别方法的研究是人机接口自然化和智能化进程中的一个重要课题。目前,对于印刷体汉字的识别已取得了满意效果,出现了“读”书的机器,但对于脱机手写汉字的识别,还需要进一步探索和研究。本文就将探讨针对这一难题的各种研究方法。◆ 结构模式识别方法结构模式识别是早期脱机手写汉字识别研究的主要方法。集中在如何准确地抽取基元、轮廓、特征点等能够反映汉字结构信息的特征上。通常,抽取笔画需要进行细化处理,但是细化算法不仅速度慢,且易产生伪笔画段,单纯采用结构模式识别方法已不能满足脱机手写汉字识别系统…     

基于SVM的脱机手写汉字机器学习识别方法研究

提出了一种模糊统计方法的脱机手写体汉字特征提取方法,结合小波网格方法和汉字笔画密度特征方法对汉字进行特征提取,并运用支持向量机方法,通过机器学习对脱机手写汉字识别。仿真实验表明,支持向量机方法在脱机手写汉字识别中有良好的识别性能及模糊统计方法是有效的。     

脱机手写汉字识别的最优采样特征新方法

在脱机手写汉字识别中，笔画形变是造成识别率下降的主要原因，减少笔画形变的影响是提高脱机手写汉字识别率的关键。针对上述问题，提出了最优采样特征。该特征以目前被广泛应用的方向线素特征为基础，在一定的约束条件下，通过移动采样点的位置，可以适应笔画的形变。从而减少特征的类内方差，提高特征的可分性，改进了识别性能。通过在THCHR样本集上进行实验，并对最优采样特征和方向线素特征的实验结果进行比较，验证了最优采样特征的识别率优于方向线索特征。     

基于贝叶斯网络的脱机手写体汉字智能识别

针对汉字识别的超多类问题，将贝叶斯网络分类器引入小样本字符集脱机手写体汉字识别中．对手写大写数字汉字的小样本字符集构造识别系统，同时与传统的欧氏距离方法进行比较，实验表明该算法将识别率提高到92．4％，在小样本字符集脱机手写体识别中具有较强的实用性和良好的扩展性．     

立足细化处理解析脱机手写汉字识别

脱机手写汉字识别是我们面临的最困难、最具挑战性的课题,而无论是在办公自动化方面,还是在机器翻译方面,脱机手写汉字识别的应用前景都非常广泛,因此,有必要立足细化处理,对脱机手写汉字识别进行深入研究,使其在各个领域中发挥更大应用价值。     

一个实用脱机手写汉字笔迹库的建立

建立一个实用的脱机手写汉字笔迹库是研究笔迹鉴别技术的基础,论文结合笔迹图像与书写者信息设计了一个脱机手写汉字笔迹库系统,详细介绍了笔迹样本采集方案及系统的主要功能,阐述了部分关键问题的解决方案。     

基于广义置信度的样本选择算法

对模式识别系统而言,不同的训练样本在建立模式类模型时所起的作用不同,因此必须对训练样本进行选择。而在训练样本中,边界样本的判定方式以及训练样本中包含边界样本数量的多少对分类的精度起主要作用。为此,结合基于模板匹配的脱机手写汉字识别,定义了一种通过广义置信度判定边界样本的方法,并且在此基础上建立了基于广义置信度的训练样本选择算法。通过在脱机手写汉字数据库HCL2004上进行实验,由该算法选择出的训练样本集在训练样本数减少的同时,使得系统识别率有了较大的提高,从而证实了该算法的有效性。     

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。     

A novel stroke-based feature extraction for handwritten Chinese character recognition

A stroke-based approach to extract skeletons and structural features for handwritten Chinese character recognition is proposed. We first determine stroke directions based on the directional run-length information of binary character patterns. According to the stroke directions and their adjacent relationships, we split strokes into stroke and fork segments, and then extract the skeletons of the stroke segments called skeleton segments. After all skeleton segments are extracted, fork segments are processed to find the fork points and fork degrees. Skeleton segments that touch a fork segment are connected at the fork point, and all connected skeleton segments form the character skeleton. According to the extracted skeletons and fork points, we can extract primitive strokes and stroke direction maps for recognition. A simple classifier based on the stroke direction map is presented to recognize regular and rotated characters to verify the ability of the proposed feature extraction for handwritten Chinese character recognition. Several experiments are carried out, and the experimental results show that the proposed approach can easily and effectively extract skeletons and structural features, and works well for handwritten Chinese character recognition.     

基于结构知识的手写体汉字合成方法

针对手写体汉字合成困难的问题,从离线手写体汉字样本的结构知识出发,提出一种合成手写体汉字的方法。该方法采用改进的方向游程算法提取汉字的笔画,并建立笔画框,从笔画框的结构知识出发构建起字体信息来合成汉字。实验结果证明,该方法可以较好地合成汉字,且容易识别,对光学字符识别有较好的抵抗能力。     

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。     

Identification of fork points on the skeletons of handwrittenChinese characters

This paper describes techniques for stroke extraction used in the recognition of handwritten Chinese characters. A new set of feature points is proposed for the analysis of skeleton images. Based on a geometrical graph, a novel criterion is proposed for the identification of fork points in a skeleton image which correspond to joint points in the original character image. Experimental results indicate that the proposed method correctly determines the fork points, and is effective in unifying the joint points     

基于组件合并的手写体汉字串分割

人们对孤立的手写体汉字字符的离线 识别做了大量的研究工作,而走向实用化的进展并不快.除了单字识别率不理想以外,从文本 中正确分割出单个汉字字符也是一个主要难题,因为字符的识别离不开正确分割.利用汉字的 基本结构特征,根据两个组件之间的上下、左右和包围关系,对组件进行合并形成完整的汉字 图像.对整个汉字字符串中组件的宽度和相邻组件的间距进行分析,有助于左右关系组件的合 并.实验结果表明,该方法对手写体汉字字符串具有理想的分割效果.     

Analysis of stroke structures of handwritten Chinese characters

Most handwritten Chinese character recognition systems suffer from the variations in geometrical features for different writing styles. The stroke structures of different styles have proved to be more consistent than geometrical features. In an on-line recognition system, the stroke structure can be obtained according to the sequences of writing via a pen-based input device such as a tablet. But in an off-line recognition system, the input characters are scanned optically and saved as raster images, so the stroke structure information is not available. In this paper, we propose a method to extract strokes from an off-line handwritten Chinese character. We have developed four new techniques: 1) a new thinning algorithm based on Euclidean distance transformation and gradient oriented tracing, 2) a new line approximation method based on curvature segmentation, 3) artifact removal strategies based on geometrical analysis, and 4) stroke segmentation rules based on splitting, merging and directional analysis. Using these techniques, we can extract and trace the strokes in an off-line handwritten Chinese character accurately and efficiently.     

基于结构聚类和笔画分析的粘连手写汉字切分

粘连手写汉字的切分是手写汉字切分中亟待解决的问题之一。因此,针对粘连手写汉字提出一种新的切分算法。该算法首先通过寻找分界线的方法来提取粘连笔段,分界线的位置是通过粘连汉字骨架图像的聚类和笔段端点类属可信度的信息来确定的。然后提取粘连笔段并对其进行分析和类型（直线或曲线）判定,从而确定切分点及切分方向。最后利用背景细化算法找到分割曲线。该算法不仅能够很好地适用于两个粘连汉字宽窄不一、含有多个粘连点等粘连情况,而且具有良好的抗噪声效果。     

一个实用的手写成绩单识别系统

介绍了一个实用的手写成绩单识别系统，它既可以识别手写的数字成绩单，也可以识别手写的汉字成绩单。对脱机手写汉字的识别，提出了一种基于隐马尔可夫模型的识别方法。     

基于过程神经元的手写体汉字仿人识别研究

为有效地获取脱机手写体汉字笔划信息,采用过程神经元网络提取手写体汉字基本笔段,分析各类笔段间的拓扑性质,并将手写体汉字图像转化为具有容错表征方式的六种汉字笔划类型在不同位置组成的几何图形.模仿人类汉字形码输入法,统计具有冗余容错形状的笔划类型和相合相交点的数量和位置,建立手写体汉字多维特征知识数据结构表,通过对比和判断仿人容错地识别手写体汉字.对SCUT-IRAC手写体汉字库中汉字进行了实验仿真,该方法具有较强的"认知"手写体汉字的能力.