一种脱机手写汉字书写顺序恢复模型

书写顺序恢复是从静态文本图像中提取动态的字符书写顺序信息,将2维的图像转换为1维的书写位置的时间序列的过程.为了对手写汉字进行书写顺序提取,提出了一种脱机手写汉字书写顺序的恢复模型.该模型首先将汉字分为整字、部件、子部件和笔画4个层次;然后利用4种拆分操作将整字拆分为部件,再将部件拆分为子部件;最后通过定义一组拆分关系与子部件偏序关系之间的对应规则来得到子部件的全序关系.而将子部件作为最基本的恢复单位,其书写顺序可通过对笔画和交叉笔画对进行分类来得到.实验表明,该模型提出的汉字书写顺序恢复方法的恢复结果具有较高的准确率,且处理速度达到了6.9字/s.     

基于计算机的汉字笔画顺序纠错模型设计与实现

针对目前社会上人们汉字笔画顺序书写不规范不重视的现象,为了纠正学习者在平时养成的错误的书写习惯,设计与实现了基于计算机的汉字笔画顺序纠错模型,并面向应用设计了基于计算机模拟人的手写过程的汉字笔画顺序书写练习与纠错系统,方便教师教学、学生学习以及纠正自己的汉字笔画书写的不良习惯,从而对我国汉字笔画书写顺序的传承起到保护作用。     

触摸屏手写汉字笔画的笔力模糊评价

该文以触摸屏手写汉字为例,提出了一种分析手写汉字笔力的模糊方法,并通过笔力分析实现对触摸屏上手写汉字的书写质量评价。该方法首先通过提取手写模板字中笔画的关键点信息进行隶属度计算,建立模糊模板矩阵,然后将实写汉字的隶属度与模板隶属度数据进行贴近度计算得出综合的笔力评价。实验表明,该方法的评价效果具有较强客观性、鲁棒性,也可推广到其他文种。     

基于笔触特征三角形的手写汉字书法效果美化方法

提出笔触特征三角形方法,它为手写字字形骨架添加毛笔书法效果,以达到美化手写字的目的。该方法首先 提取手写数据中的书法特征和字形结构特征点集,构成字形骨架;然后通过添加笔触特征三角形序列生成笔画宽度信 息;最后利用I3-样条曲线对生成的手写字轮廓线进行平滑,得到最终美化结果。该方法仅利用计算机采集到的手写 汉字的点线坐标信息,以三角形方法为手写汉字添加书法特征,适用于各种手写汉字采集设备。     

一种基于笔画密度的弹性网格特征提取方法

本文在分析手写汉字识别的几种非线性归一化方法基础上,提出了五种新的基于笔画密度的弹性网格构造方法,并将之应用到手写汉字的弹性特征提取.该方法既兼顾了笔画密度对不同书写风格笔画不规则变形的适应能力,又避免了进行非线性归一化产生的笔画粗细不均匀,且计算量相对减少.针对1034类别的手写汉字样本的对比实验表明,本文方法的识别率较非线性归一化方法平均增加4.02个百分点,显示了弹性网格较强的适应笔画书写变形的能力.     

无监督图像翻译的个性化手写汉字生成方法

由于汉字拥有大量的字符,大多数对汉字的研究主要集中在汉字的识别和分类问题上,对于生成汉字的研究较少,尤其是在没有大量配对的汉字数据集的情况下.该模型使用内容和风格样式都不匹配的汉字数据集,将生成个性化手写汉字的过程公式化为一个从现有的标准印刷字体到个性化手写汉字样式映射的问题.在基于无监督学习的图像翻译模型的基础上,利...     

一种基于SVG的在线连续手写汉字多步分割方法*

基于可伸缩矢量图SVG的在线手写汉字是以SVG图像作为汉字图像格式、以SVG的path对象作为笔画的基本存储单元来对汉字进行显示和存储的,笔画的轮廓是以手写过程中记录的坐标值作为特征数值加以确定的。基于此种SVG手写汉字存储和表示形式,本文提出一种基于图论的在线连续手写汉字多步分割方法。该方法根据汉字笔画间的坐标位置关系对手写笔画序列构建无向图模型,并利用图的广度优先搜索将原笔画序列分割为互不连通的笔画部件,使偏旁部首分离较远、非粘连汉字得到正确分割;然后利用改进的tarjan算法对部件中的粘连字符进行分割,最后基于笔画部件间距,利用二分类迭代算法对间距进行分类,找出全局最佳分割位置,对过分割的部件进行重组合并。实验结果表明,该方法对于在线手写汉字的分割是有效可行的。     

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。     

基于神经网络和模糊匹配算法的手写汉字预分类研究

对手写汉字识别问题,提出了一种在识别之前对手写汉字预分类的新方法,该方法用Neocognitron网提取字符笔画特征,然后采用有监督的扩展ART神经网络（SEART）产生一定数量的预分类组并通过基于模糊相似测量的匹配算法进行预分类。实验表明,该方法用于手写汉字分类效果良好,预分类正确率达到98.22％。     

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。