面向字形分析的联机手写汉字笔画识别

介绍了一种面向字形分析的联机手写输入汉字的笔画识别方法,并给出实现算法.该方法首先找出笔画的关键点,然后将笔画分割为小笔画段,再将其合并为较大的笔画段.实验表明,处理后的笔画成为类型确定的笔画段或笔画段的组合,易于规整化为内部模型.     

一种联机手写汉字识别算法的研究与实现

联机手写汉字识别(On-line handwritten Chinese character recognition,简称OLCCR),是指用笔在图形输入板上写字,人一面写,机器一面认,是一种方便的汉字识别手段,是在各种自动识别输入的方法中,能够代替或部分代替人工编码输入的惟一可能的方法。设计了一种基于获取笔段序列的联机手写汉字识别方法,并用可视化编程工具VC++6.0实现了该算法,经测试,平均识别率达95.7％。     

联机手写藏文字符笔划的分类统计与分析

根据藏文字丁的笔划特性,将笔划分解成笔段,对笔段合成的笔划进行分类处理,通过对32套样本,每套107个基本字符,共50832个笔段的统计,依据笔段出现频率,揭示出藏文字丁笔划的内在本质规律,得到手写藏文字丁的16类基本笔划,定义其为联机手写藏文识别的基本笔划类型,将更加精确、完整,更具科学性。     

脱机手写汉字识别中笔段提取算法研究

基于目前细化和特征点提取的实现方法,提出了改进的分组细化方法和远端拐点法。改进的分组细化法能够在细化过程中,根据分组数标记字符图像中分叉点的类型,为后续的拐点提取做准备。给出了一种快速提取汉字拐点的方法远端拐点法。实验结果表明,该方法能够较好地提取笔段,特征点提取的正确率达到98.6％。     

Visual C＋＋实现联机手写汉字笔画关键点的提取

介绍了矢量曲线数据压缩算法-Douglas-Peucker算法,使用Visual C＋＋编程实现了按笔画联机手写汉字的笔画信息的获取,并应用Douglas-Peucker算法解决了联机手写汉字笔画关键点的提取．     

面向书写教学的手写汉字图像笔画还原

为了实现智能化汉字书写教学,提出一种手写汉字图像的笔画还原方法。首先提取手写汉字图像的骨架;然后从知识工程的角度出发,利用字形中稳定的拓扑信息,消除骨架中的歧义变形;最后利用A*算法建立并求解手写汉字与相应模板汉字的字形相似度模型,从而分割出手写汉字图像中的各个笔画,并输出它们与模板汉字中各个笔画的对应关系。此方法的笔画还原结果可以应用于手写汉字规范性的自动化评判等场合。     

一种联机手写汉字识别算法的设计与实现

提出了一种统计识别算法与结构算法相结合的联机手写汉字识别算法，模糊采集手写汉字与模板的结构对应关系．应用统计算法进行特征匹配识别，实现了与书写笔划顺序无关的快速、高识别率、手写字形限制小的国标两级汉字识别．     

基于组合分类器的联机手写汉字识别

提出一种基于二级组合分类器的汉字手写体识别方法,首先提取汉字的整字特征和笔划特征;进行单字识别的过程中,GA-BP笔划分类器起着对汉字识别的主导作用,当写入汉字出现连笔、字形变化导致系统产生拒识情况时,采用隐马尔可夫整字分类器作为辅助去提高整体的识别率.     

一种应用于2D-DWT的减少规整化乘算法

提出了一种应用于基于Lifting的二维离散小波变换(2D-DWT)硬件设计的算法,即减少规整化乘.该算法能够大大减少2D-DWT处理过程中的乘法运算次数,降低系统功耗.给出了应用该算法的新型9/7小波结构,该结构通过适当的配置可以既作为正向变换滤波器又作为反向变换滤波器,既能实现5/3小波又能实现9/7小波.对该结构使用Verilog HDL语言进行RTL级描述,在SMIC 0.18μm工艺下综合得到最高工作频率为150MHz,等效门数是15 500.     

基于笔段间关系的联机手写汉字HMM模型

为了提高联机手写汉字模型的空间结构描述能力和识别性能,从汉字的笔段关系出发,提出一种新的联机手写汉字模型,该文称之为属性关系Markov模型(ARHMM). ARHMM以经典Markov模型(THMM)为基础,结合属性关系图对二维图形结构的描述特点,提出了一种直接描述状态间关系的新观测量,从而更充分地利用汉字的空间结构信息. ARHMM具有完整的参数训练方法和识别算法.联机汉字识别的实验结果表明 ARHMM联机汉字模型与THMM联机汉字模型相比,在工整书写到自由书写的不同质量汉字样本上识别错误率均有所下降,平均错误率下降了23.65%.     

用于手写体汉字识别的汉字结构模型

针对手写体汉字识别问题，选取笔段和笔划作为基元，分析手写体汉字的组成规律和变形规律，提出了两种汉字结构模型：笔段中心点模型和笔划关系矩阵模型，以及基于模型的分类依据和识别方法．根据所提出的模型，采用两级分类方案构造汉字识别系统，粗分类采用笔段中心点法，细分类采用笔划关系矩阵法．实验表明模型是有效可行的．     

自然手写汉字五笔码识别法

在深入剖析五笔字型键盘输入法编码原则和字根结构基础上,结合联机识别技术特点对五笔字根作出适应性发行后,提出了一种联机识别自然手写汉字新方法：五笔码识别法。在构建的识别体系中 采用了层间分级技术,并提出将键盘输入技术与联机识别技术有机融合,为联机识别自然手写汉字探索新途径。     

自然手写汉字笔画和字根的提取

对自然手写体汉字联机识别系统中笔画和字根提取问题作了深入研究,提出并改进了有关策略和算法实现。经深入分析和测试结果表明,由于充分考虑了自然手写体汉字的书写习惯和结构特征,技术策略和算法实现具有高稳定性和变形容忍度。     

一种新的手写汉字笔划直接抽取算法

在实现结构分析法识别手写汉字时，笔划抽取是关键所在。本文提出了一种直接从手写汉字点阵中抽取笔划特征的新算法。该算法具有算法简单、笔划抽取速度快、正确率高和抗干扰能力强的特点。这种算法已用于在ＰＣ／ＡＴ机上实现的成页手写体汉字（楷体）识别系统中，效果极为满意。     

联机手写体汉字识别中的笔划分类及笔划识别

提出了手写体汉字识别的一种毛划分类方法,它把构成汉字系统的笔划分为７种基本单元,并论证了它在整字识别上容忍笔划变形度大的原因。     

自然手写汉字预处理子系统

针对自然手写汉字联机识别系统,设计了一种高效实用的预处理子系统,主要包括笔迹采集、归一化、 除重合点,连续化等功能模块,提出和完善了相应策略和算法,为后续处理奠定了良好基础,经分析和测试表明,它具有高变形稳定性和容忍度。