基于分层制作的三维汉字构建

目前 ,三维汉字图象的构建主要是基于“扫掠”原理 ,即用变化的截面沿汉字笔划中心线进行“扫掠”来形成立体笔划 ,它的主要缺点是难以表达变化丰富的汉字笔划 ,数据量也庞大 ,为此 ,基于快速成型的分层制作原理 ,提出了用二维汉字来构建三维汉字的一种新方法 ,即先将三维汉字笔划视为一些二维汉字笔划层面沿高度方向的叠加 ,然后通过采样二维汉字基本笔划轮廓线点列来构造它的 Voronoi图 ,由此来自动生成它的不同层面的等距线 ,再以这些不同层面的轮廓线作为骨架 ,采用三次 Bezier- B混合样条曲面拟合来形成立体笔划 ,最后将它们组合 ,构成三维汉字 ,并以一个三维汉字的构建实例来说明该算法的有效性 ,构建结果表明 ,该方法能更丰富地表现汉字笔划 ,同时能克服三维汉字构造中的数据量过大和放大处理的失真问题 .     

基于形状分割的手写汉字笔划提取方法

笔迹鉴别的目的是区分不同的书写者,而笔划提取是笔迹鉴别的基础。本文提出了一种用于笔迹鉴别的手写汉字笔划提取算法,该算法定义了凹凸点与四种基本笔划相交类型的对应关系,通过字符图像轮廓上的凹凸点检测来确定笔划相交区域和相交类型;接着,在各个相交区域上,根据其笔划相交类型进行形状分割;最后,用对笔划轮廓两侧对应点进行跟踪的方法来进行细化。我们将该算法与基于细化和基于段化的笔划提取算法进行比较,实验结果表明,该提取算法具有比较高的准确率和有效性,因此本文提出的基于形状分割的手写汉字笔划提取方法具有较高的可操作性和实用价值。     

利用统计特征和结构特征识别手写汉字的方法

手写汉字识别是实现办公室自动化的前沿课题，选择具有良好可分性的特征，是提高系统识别率的根本保证。本文提出汉字的横竖方向上笔划穿越次数投影的Rapid变换为统计特征，用汉字的四边及四角部位作为结构的特征，通过对40，000个汉字样本的实验，结果表明分类效果良好，可以用此方法做成一个汉字识别系统。     

一种适用于嵌入式环境下的手写汉字分割算法

汉字分割是连续手写汉字识别的关键问题之一,现有多数汉字分割算法需要对笔划结构进行分析,由于汉字具有复杂的结构和不同的书写风格,因此往往计算量偏大.针对嵌入式系统处理能力和内存资源相对较少的特点,介绍了一种基于笔划连通域和字符投影的手写汉字分割算法,以连通域为单元实现连续汉字的分割,不用考虑连通域中所包含笔划的结构和风格,降低了计算量.     

基于笔划方向特征和非对称分布的手写体汉字识别

提取稳定的笔划结构是汉字结构识别方法的前提，合适的样本特征矢量参数分布模式是统计识别方法的基础。本文将这两个看似不相关的问题联系在一起，提出了基于笔划方向特征和非对称分布的手写体汉字识别模型。一种从手写体汉字骨骼图像上提取分叉点的改进算法，可以保证特征点提取的完整性，从而保证笔划提取的可靠性，并直接从笔划结构上提取统计识别特征矢量。基于类间样本分布的差异以及类内样本分布的非对称性，采用基于PCA的非对称分布手写体汉字识别模型。实验表明，基于笔划方向特征和非对称分布的统计识别模型具有优良的识别性能。     

汉字笔划的微结构分析

本文提出了一种汉字微结构分析原理作为笔划提取的策略基础。微结构是由汉字边缘点在指定的四个基本方向上所引的最长“纤维”构成的编结组织。它包含了汉字结构的信息, 特别是笔划段及其主方向的信息。从微结构分析可以鉴别结构纤维的主次和真伪, 固而能够容易地滤除微结构中的各类噪声。微结构分析原理的充分有效性在汉字处理中得到证实。     

基于笔划特征的单字符汉字字体识别

在文档电子化的文本自动分析、理解和识别过程中,除了有关文档内容的字符识别外,还必须解决字体识别问题.字体识别不仅是版面分析、理解和恢复的重要依据,还有助于实现高性能字符识别系统.有别于目前基于多个字符组成的文本块的字体识别方法,本文提出了一种基于单个汉字字符的字体识别方法.在单个汉字字符上提取两类特征:笔划属性特征和笔划分布特征,分别构成两个分类器对单个汉字字符进行字体识别,并集成两个分类器的结果得到最终的识别结果.我们使用的笔划属性特征分类器是文本无关的,而笔划分布特征分类器是文本相关的,集成的分类器属于文本相关的字体识别分类器.我们在包含7种字体的样本集上进行了测试,测试结果显示基于单字的字体识别率达到94.48%.     

汉字图象的小波分析

目前, 我们进行汉字模式识别所使用的汉字是以图象的方式输入计算机。要将其转换为计算机所能识别的字符, 其关键在于输入汉字图象特征的提取。作为图象的汉字有其自身的特点, 它是由较简单的笔划所组成的, 每种笔划又有其较固定的方向性即空问分步的固定性, 所有的汉字都是由几种简单的笔划所组成的。而小波变换为我们提供了一个十分有效的分析图象信色的多分辫率方法, 它可以将原始图象分解为模糊子图家和水平方向、垂直方向、料方向上的子图象。因此, 小波变换为我们分析汉字图象信息提供了一个十分有效的手段。本文正是基于汉字的土述特点, 并利用小波对空问频率的多分辫率分析方法,对汉字图象处理而得到汉字图象特征的。     

基于Fourier描述器的汉字字形生成及合成的改进算法

对基于Fourier描述器的汉字字形生成及合成算法进行了改进。通过增加重复点和线段细分,改善了汉字的重构效果,提供了汉字笔划顺序调整、笔划起点调整和跟踪方向的一致性处理算法,处理后的汉字可完全满足使用Fourier描述器合成汉字字形的三个必要条件。     

线状图形的SLSA法提取

在汉字的结构模式识别中, 对汉字进行笔划间的分割、提取和表示是必不可少的。评价这些方法的优劣常基于这两个标准：第一, 笔划提取的正确性和表示的合理性, 其次是得到这个结果的时间。在手写体汉字识别中, 由于汉字模式经常受到书写者的不同及书写条件等因素的影响, 使得书写同一笔划的形状各不相同, 甚至产生变形。这里我们提出一种称为SLSA(Straight-Line Sequence Approximation)法来提取汉字笔划, 它能大大减少提取笔划所需的时问, 并且不产生变形。最后结果用Freeman代码来表示。这种方法已用于在IBM-PC/XT机上实现的手写体汉字识别模拟系统中, 效果极为满意。