支持笔输入的乐谱编辑器

设计并实现了一个支持笔输入的乐谱编辑器,用户使用笔和书写板输入乐谱手势符号,利用基于网格编码的单笔划手势识别算法识别手势符号,生成与输入相应的乐谱,具有实时播放的功能。与传统交互界面的乐谱编辑器相比较,该系统的交互方式更加符合人们对乐谱的书写和认知习惯,使乐谱的输入过程变得简单、自然、高效。     

一种基于编码的识别手写数学符号方法

提出了一种对手写数学符号的识别方法,通过对数学符号的图象进行处理,然后对其进行编码,并采用模糊识别方法建立了识别函数。根据这一函数以求最佳匹配,试验结果表明,该方法有良好的识别性能。     

英文手写联机识别的基础模型

为了识别较为工整的英文联机手写文字,定义了适合每个字母的字元,一共有七组不同的基本子元。使用简单的二维图形学,与简单的数学计算,可以确定每个不同字母的字元性质。使用这些字元,对大小写字母与数字实施具体组合定义,因为每个字符的具体定义内容,完全各不相同,依照逻辑可以推断,能够成功迅速的识别不连笔的较为工整的英文手写字符。这种建模方法,如果移植到类似的不同国家或地区的文字,如果笔画工整,每个字符又互相独立,那么在逻辑上就可以判定很有应用价值。     

一种手写图文分离方法

手写识别作为改善人机交互的技术之一已经变得越来越重要,涌现了大量对手写文字和手绘图形的研究工作,而作为手写识别的一个重要部分,对图形和文本的分类工作一直没有获得足够的重视。本文基于开源数据挖掘工具Weka设计并实现一种手写图文分离方法,基于LogitBoost、Random Forest和LADTree三种不同分类器的测试结果表明,Logit-Boost的综合分类效果最好。通过联合3个分类器能够实现精确的图形判定,但文本的分类效率则受限于分类效果最差的分类器。同时基于信息增益评估结果,分析了不同特征对图文分类的影响。     

一种手写汉字识别结果可信度的测定方法及应用

提出一种新的手写汉字识别结果可信度的测定方法．该方法将各种识别结果的正确率作为测定识别结果可信度的绝对尺度，以各候选字的相对邻近度为基础定义了测定可信度的一种新的相对尺度，并将这两个绝对尺度和相对尺度相结合来全面测定可信度．通过基于HCL2000数据库的测试和在银行票据OCR系统中的实际应用，证明了这种方法的有效性．     

一种基于KNN算法的手写数字识别实现

KNN是比较成熟的分类算法,关于KNN手写数字识别的分类应用实战很多都是基于sklearn提供的手写数字识别数据集traningDigits。笔者结合KNN算法原理用Python实现其手写数字识别的算法过程,并支持用户用拍照、绘图软件手写数字,方法就是将图片处理成sklearn提供的数据集格式,然后作为测试样本应用在分类模型中进行预测,经过运行验证算法分类效果良好。     

一种手写数字的多级分类器设计

对手写数字识别技术进行了研究和探讨,提出一种新的多级分类嚣手写数字识别方法.该识别方法以图像预处理和字符特征提取为基础,采用BP神经网络分类器进行第一级识别、结构特征分类器进行有选择的第二级识别,并提出一种全新的端点特征提取法,大大地简化结构特征分类器的设计.实验结果表明,多级分类器较单一的神经网络分类器的识别率有了明显的提高.     

朝鲜语联机手写识别建模研究

为了解决朝鲜语(韩语)手写识别,对韩语文字提取独特几何特征定义方式.提出六组基本元定义,用它们区分韩语的各个字母.使用二次编码矫正,通过实验,使得重码率降到极低.能够较为准确的识别韩语中各种风格的手写正楷与部分行书.对于韩语草书的识别,是否成功,取决于建立大而全的草书字典.这一独特方法,也可以移植到韩语印刷体识别.     

手写识别建模数学方法研究

为了解决汉字手写识别,提出最简单的建模方法。运用独特思路,建立了拓扑学的二维图形定义的模型。在网格背景中,使用二十七种点的相互的拓扑关系定义,识别汉字基本笔画的六种分类,然后识别了汉字的每种单一连续的手写笔画,从而识别了汉字。规避了常见的二维图形学中的复杂的线条计算与判定。从而,使得手写识别变得十分轻松,而且机理简单、清晰、易懂,使得编程工作量降低到最低点。本文的方法,具有通用性,可以机动灵活的移植到其它任何民族的文字。     

基于语音和笔的手写数学公式纠错方法

采用识别技术的用户界面往往由于识别率的限制容易出错,如何为这类界面提供自然高效的纠错方法十分重要.手写数学公式具有二维结构,难以识别和纠错.提出一种用于纠正手写数学公式识别错误的多通道技术.它允许用户使用笔纠正切分错误,用笔和语音纠正符号识别和表达式结构分析错误.该技术的核心是一个多通道融合算法.融合算法以笔选择的符号和语音作为输入,根据语音输入的类型是数学术语或者数学符号分别选择融合方法,最后修正手写公式并输出最有可能的识别结果.实验结果表明,该技术能有效地纠正手写数学公式识别中的错误,它比基于笔的单通道纠错技术更加高效.     

基于多重几何特征和CNN的脱机手写算式识别

针对中小学数学课堂中具有复杂二维空间结构的手写算式, 提出了一种基于多重几何特征和卷积神经网络(CNN)的脱机手写算式识别的解决方案. 首先, 基于CNN分类算法, 对图像预处理后的单个手写字符进行识别; 然后, 利用几何特征, 如宽高比、质心坐标、质心偏移角度、中心偏移量、水平重叠区间比等, 识别具有复杂空间结构的小数、分数、指数、根式等常见手写算式, 并采用分治算法完成由以上算式组合嵌套的复合算式识别; 最后, 设计并实现脱机手写算式识别系统. 实验结果表明: 在满足一定光照条件下, 该方案对不同分辨率、含噪声图像的手写算式识别率可达90.43%, 具有一定的应用价值.     

基于ANN和HMM的联机手写体汉字识别系统

为了解决联机手写体汉字笔划顺序、笔划数目及笔划形状变化问题,提出了一种新的联机手写体汉字识别方法:人工神经网络(ANN)和隐马尔可夫模型(HMM)相结合的汉字识别方法,首先通过BP神经网络进行笔划识别,再通过笔划类型和笔划间位置关系的隐马尔可夫模型进行整字识别。实验证明,该联机手写体汉字识别系统具有较高地识别准确率。     

一种联机手写笔画滤波算法的设计与实现

引入方向代码的概念,将联机手写笔画的运动轨迹转换成由方向代码组成的序列。通过分析代码序列中的噪声因素,归纳了噪声的种类,进而设计并实现了一种基于方向代码序列的滤波算法,为联机手写汉字的识别奠定了基础。结合实验完成了滤波、归并和匹配各个过程的设计,从而完成了单笔画及连笔部件的识别。     

手绘草图的在线分段识别

提出了一种在线手绘草图快速分段识别方法。先对草绘笔划进行平滑预处理,以减少噪声干扰和冗余点的数目;然后利用草绘笔划的动静态特性,以及用户的草绘习惯等特性找出笔划的关键分段点,将笔划分为多个笔划子段;最后利用基于二次曲线的方法对笔划子段进行分段识别和特征参数计算,并通过构造面向对象的图形数据结构对识别出的几何图元进行重构。实例表明,该方法具有较好的识别能力和系统稳定性,能够应用于二维概念草图的快速表达,以及后续三维草绘建模的特征笔划智能识别过程中。     

Synthetic Data Generation and Shuffled Multi-Round Training Based Offline Handwritten Mathematical Expression Recognition

Offline handwritten mathematical expression recognition is a challenging optical character recognition (OCR) task due to various ambiguities of handwritten symbols and complicated two-dimensional structures. Recent work in this area usually constructs deeper and deeper neural networks trained with end-to-end approaches to improve the performance. However, the higher the complexity of the network, the more the computing resources and time required. To improve the performance without more computing requirements, we concentrate on the training data and the training strategy in this paper. We propose a data augmentation method which can generate synthetic samples with new LaTeX notations by only using the official training data of CROHME. Moreover, we propose a novel training strategy called Shuffled Multi-Round Training (SMRT) to regularize the model. With the generated data and the shuffled multi-round training strategy, we achieve the state-of-the-art result in expression accuracy, i.e., 59.74% and 61.57% on CROHME 2014 and 2016, respectively, by using attention-based encoder-decoder models for offline handwritten mathematical expression recognition.     

交互技术在手写公式编辑中的应用

遵循泛化计算理论，设计实现了一个联机手写公式编辑系统，以提高识别率和交互(效)率．该系统采用上下文感知技术来辅助切分、解决符号的二义性；采用备选择优、直接指定技术来修正字符的识别结果；采用局部放大解决笔画交叉时的分割问题；最后还给出一个补笔算法．实验表明，这些技术的应用使得数学公式的识别率和系统交互(效)率得到有效的提高，同时使该系统具有自然、隐式交互的特点。     

An online handwritten music symbol recognition system

The objective of this study is to produce a system that would allow music symbols to be written by hand using a pen-based computer that would simulate the feeling of writing on sheets of paper and that would also accurately recognize the music symbols. To accomplish these objectives, the following methods are proposed: (1) Two features, time-series data and an image of a handwritten stroke, are used to recognize strokes; and (2) The strokes are combined, as efficiently as possible, and outputted automatically as a music symbol. As a result, recognition rates of 97.60 and 98.80% were obtained in tests with strokes and music symbols, respectively.     

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。