手写汉字识别

摘要： 汉字的笔顺规则繁杂多变,是汉语学习者的难点。理想的笔顺教学需要教师花费大量时间监督指导,现实中往往不可行。文章开发了面向汉语初学者的智能笔顺训练系统。该系统能够监控触控屏上的汉字书写过程,根据字迹生成笔画序列,识别用户书写的汉字,并判断笔顺的正确性。该系统易学易用,成本较低,用户友好,判断准确,能够有效指导用户进行笔顺训练。

摘要： 为提高手写汉字的识别率,针对手写汉字的有效分割,建立了卷积神经网络手写汉字体识别模型,并对投影法和轮廓检测法的适用性进行了对比分析.实验结果显示,相较于轮廓检测法,投影法更适用于手写汉字识别中对文字图像的处理工作,可以实现对所需文字的有效切分,同时简化手写汉字识别网络的设置并提高识别准确率.

摘要： 为克服传统手写汉字识别采用人工提取特征的局限,借鉴GoogLeNet网络搭建了一个卷积神经网络.针对训练样本不足的问题,采用随机弹性变换算法扩充了训练数据.结果表明:新的网络结构与随机弹性变换算法配合使用,与采用传统仿射变化扩充样本的模型比较,极大提升了识别的正确率,并具有较强的泛化能力.

摘要： 从系统迭代出发,首先用余弦函数线性组合作为辅助函数与图像构造离散动力系统,提取图像的迭代轨迹作为图像特征矩阵,进行汉字识别的相关研究.然后从汉字图像矩阵本身入手,构造三维特征矩阵,经过加入斜面、移位叠加构造字体曲面等方法,优化系统结构,解决汉字图像大面积平坦导致系统收敛的问题.使用迭代特征矩阵在数据集HCL2000上进行实验,提取30人书写的20个汉字,全部训练识别率可达到100％,每个汉字训练20张情况下识别率达到接近80％;运用三维特征矩阵进行实验,记录30个汉字数据作为样本,任取20个人书写的30个汉字作为目标数据,识别率可达85％.

摘要： 为克服传统手写汉字识别采用人工提取特征的局限,借鉴GoogLeNet网络搭建了一个卷积神经网络.针对训练样本不足的问题,采用随机弹性变换算法扩充了训练数据.结果表明:新的网络结构与随机弹性变换算法配合使用,与采用传统仿射变化扩充样本的模型比较,极大提升了识别的正确率,并具有较强的泛化能力.

摘要： 针对传统脱机手写汉字识别的过程复杂、精度低,而常用卷积神经网络的特征信息提取不充分,同时存在相同特征信息的重叠和冗余问题.设计了一个特征分组提取融合的深度卷积神经网络模型.通过多级堆叠的特征分组提取模块,提取图像的深层抽象特征信息,并进行特征信息之间的交流融合.利用设计的下采样和通道扩增模块,在降低特征维度的同时保留图像重要信息.将特征信息进行精炼和浓缩,来解决特征信息的重叠和冗余问题.最终训练出的神经网络达到top1当前先进的正确率为97.16％,同时top5正确率为99.36％,并具有很好的泛化能力.

摘要： 随着银行业提出手填票据自动化处理需求后,对手写汉字的识别技术研究推向新的高潮.由于手写汉字形体复杂多样、训练样本不多,从而导致识别率难以提高.设计一种多模型的超图学习算法来识别手写汉字块,根据训练样本间距离关系构建样本关系阵;以样本的稀疏表示参数为样本间的关系紧密性权重构建另一个样本关系阵;以样本约束法则为基础,以标记样本间的关系权重构建标记样本间的关系阵,融合这几个关系矩阵成为多模型的超图学习框架.通过迭代学习,找出最优的手写汉字块类别归属,在手写汉字块的实验中表现出一定的优势.

摘要： 基于区域投影边界链编码特征，并结合隐马尔科夫理论知识，提出一种脱机手写汉字识别方法。该方法充分利用了汉字的结构信息以及笔划分布特点，对每个汉字进行不同角度投影，各个角度投影对应一组特征向量，同时将多组特征向量鬲虫合为一组特征向量，构建一隐马尔科夫模型(HMM)对汉字进行识别，从识别结果来看，证明该方法是可行的.

摘要： 本文在基于动态网格的手写汉字特征抽取方法中定义了一种反映书写结构的密度函数,并引入重叠网格划分和动态模糊隶属度,这些措施提高了特征的有效性和鲁棒性.文中介绍和比较了两种在动态网格中计算模糊隶属度的新方法.与传统的静态网格和非重叠动态网格方法的对比试验表明,该方法抽取的方向线素特征的识别率有明显的提高.基于该方法抽取的模糊方向线素特征,我们实现了一个手写汉字识别系统,在HCL2000样本库上获得了迄今为止该库上报道的最高识别率98.01﹪.

摘要： 在统计模式识别问题的研究中,训练样本的数量和质量对于系统的识别性能是非常关键的。当训练样本的数量和质量不能满足需要时,我们无法正确估计样本的统计分布,进而无法得到最优的识别率。rn 本文提出一种新的基于余弦整形变换的手写汉字训练样本生成方法,可以有效提高现有手写汉字识别系统的识别性能。通过对原始训练样本进行基于余弦整形变换的样本生成和样本筛选,一定程度上缓解了某些条件下训练样本不足的问题,增强了识别器的扩展能力和鲁棒性。在HCL2000数据库上进行的实验表明,该方法可已有效提高汉字分类器的识别率。

摘要： 提出了一种新的基于余弦整形变换的手写汉字训练样本生成方法,该方法可以有效提高现有手写汉字识别系统的识别性能.通过对原始训练样本进行基于余弦整形变换的样本生成和样本筛选,在一定程度上解决了某些条件下训练样本不足的问题,增强了识别器的扩展能力和鲁棒性.在HCL2000数据库上进行的实验表明,该方法可有效提高汉字分类器的识别率.

摘要： 手写汉字中笔划、部件及其相互位置均产生较大变化.本文分析非模糊识别算法、特征抽取的出错率高,系统识别率低的缺点,本文给出了一种模糊识别方法,设计了特征抽取的隶属函数;提出了一种基于基元之间的模糊关系识别手写汉字的方法;在匹配决策方面综合考虑了基元的相似度、重要度及稳定度.研制了一个手写汉字识别实验系统,识别率达到了90.3﹪.

摘要： 本文所描述的系统主要是针对手写支票日期的处理,是金融票据自动处理系统的一部分.目前影响手写汉字识别率最大的是汉字的错误切割,本文所用的切割方法抛弃了以往的以字为单位的切割,而是以部件为单位,在部件的基础之上,以日期的手写规则为文法,将部件重新组合成汉字.为保证日期的识别正确率,本文还引入了可信度的定义,从而保证很高的识别正确率.实验结果证明,对200张手写支票的日期识别,拒识率在35﹪,误识率低于2﹪.

摘要： 提出了一种基于LDA的手写汉字特征选择方法.该方法利用已知的网格特征、Gabor特征和HPF特征,分别进行LDA变换,并根据其本征值大小选择构成手写汉字新的特征矢量.应用GB2312-80一级字库中3755类手写汉字的实验结果表明,所选择特征的识别率具有明显提高,在特征维数均为256的情况下,所选择特征的识别率要高出最好性能的HPF特征2.14个百分点,证明了本文方法的有效性.

摘要： 提出了一种基于LDA的手写汉字特征选择方法.该方法利用已知的网格特征、Gabor特征和HPF特征,分别进行LDA变换,并根据其本征值大小选择构成手写汉字新的特征矢量.应用GB2312-80一级字库中3755类手写汉字的实验结果表明,所选择特征的识别率具有明显提高,在特征维数均为256的情况下,所选择特征的识别率要高出最好性能的HPF特征2.14个百分点,证明了本文方法的有效性.

摘要： 提出了一种基于LDA的手写汉字特征选择方法.该方法利用已知的网格特征、Gabor特征和HPF特征,分别进行LDA变换,并根据其本征值大小选择构成手写汉字新的特征矢量.应用GB2312-80一级字库中3755类手写汉字的实验结果表明,所选择特征的识别率具有明显提高,在特征维数均为256的情况下,所选择特征的识别率要高出最好性能的HPF特征2.14个百分点,证明了本文方法的有效性.

摘要： 提出了一种基于LDA的手写汉字特征选择方法.该方法利用已知的网格特征、Gabor特征和HPF特征,分别进行LDA变换,并根据其本征值大小选择构成手写汉字新的特征矢量.应用GB2312-80一级字库中3755类手写汉字的实验结果表明,所选择特征的识别率具有明显提高,在特征维数均为256的情况下,所选择特征的识别率要高出最好性能的HPF特征2.14个百分点,证明了本文方法的有效性.

摘要： 本发明公开了一种基于笔段网格的汉字字形信息表示方法、手写汉字输入法和无需训练的汉字识别法。汉字字形信息表示方法是设定一个由N×N个小矩形组成的笔段网格，笔段具有有线或无线两种状态，有线状态笔段的集合表示一个字形。输入方法是在笔段网格中描画笔段，计算机获取所有描画过的笔段并将其状态标为有线。识别方法是：输入待识汉字的笔段网格字形，将它与比对汉字信息库中每个汉字的笔段网格字形进行基本笔画和复合笔画的配对，获得最优的笔画配对方式，计算出距离，把距离最小的前M个比对网格字形作为候选识别结果输出，供输入者选定。本发明的方法可以按原貌输入和识别各种汉字，包括错字、异体字等，促进汉字的教学和研究。

摘要： 本发明公开了一种用于脱机手写汉字识别的汉字字符切分方法，其特征在于，包括下列步骤：(1)对待识别的汉字图像进行预处理，所述预处理包括对图像进行二值化处理；(2)基于投影分析对汉字图像进行粗分割，将非粘连的字符分割成单个字符，将粘连的字符整体分割；(3)获得非粘连字符的平均高度；(4)根据步骤(3)获得的非粘连字符的平均高度，对步骤(2)分割后的字符进行判断，得到粘连字符串集；(5)对于粘连字符串集中的每一粘连字符串，基于最小加权分割路径进行细切分，实现粘连字符的切分。本发明可以有效地自适应分割粘连汉字字符和非粘连汉字字符，具有较高的分割准确率和分割效率。

摘要： 本发明提供一种用于联机手写汉字识别的汉字笔画特征并行提取方法，其方法主要通过对联机手写汉字的时间序列进行真实笔画和虚拟笔画处理，进而提取用于文字识别的笔画特征。本发明融合联机手写汉字的虚拟笔画特征和无虚拟笔画特征，采用融合后的特征进行联机手写体识别，可以大大提高对连笔草书汉字的识别效果，不仅能识别规范书写的汉字，也能够对连笔草书汉字进行识别，故而可以让用户无限制地自由书写汉字。

摘要： 本发明提供一种用于联机手写汉字识别的汉字笔画特征串行提取方法，其方法主要通过对联机手写汉字的时间序列进行真实笔画和虚拟笔画处理，进而提取用于文字识别的笔画特征。本发明融合联机手写汉字的虚拟笔画特征和无虚拟笔画特征，采用融合后的特征进行联机手写体识别，可以大大提高对连笔草书汉字的识别效果，不仅能识别规范书写的汉字，也能够对连笔草书汉字进行识别，故而可以让用户无限制地自由书写汉字。

摘要： 本发明提供一种用于联机手写汉字识别的汉字笔画特征提取方法，其方法主要通过对联机手写汉字的时间序列进行真实笔画和虚拟笔画处理，进而提取用于文字识别的笔画特征。本发明融合联机手写汉字的虚拟笔画特征和无虚拟笔画特征，采用融合后的特征进行联机手写体识别，可以大大提高对连笔草书汉字的识别效果，不仅能识别规范书写的汉字，也能够对连笔草书汉字进行识别，故而可以让用户无限制地自由书写汉字。

摘要： 本发明涉及一种全新的联机手写汉字识别方法和手写输入方法。特点是将输入汉字的笔划转换成数字,内置数字码表,用数字对数字码表的检索取代用未知字比对整字的复杂过程,更新了汉字识别必须建立在匹配基础上的传统观念。打破了手写输入无法提高速度的偏见。它具备以下优点:1)识别率可提高到100%;2)书写笔划可省略25－40%;3)不用内置复杂的整字识别软件,内存空间占得少。该方法可广泛应用于电脑、记事本、手机等各种微型电子产品上。

摘要： 本发明提供一种基于AMNN和汉字结构字典的手写汉字识别方法、系统、设备和存储介质，方法包括对手写汉字图像进行图像数据预处理；对预处理后的手写汉字结构分类；提取分类后的手写汉字结构；识别手写汉字结构；识别手写汉字。本发明由于对手写汉字结构进行了分类、提取和识别，最后再识别手写汉字，通过对手写汉字先拆分后识别，具有处理速度快、识别准确率高、系统体积小、识别范围广等优点。相比于那些在神经网络深度和复杂度不断复杂化的方法，本方法更具有实用性和普适性。

摘要： 本发明公开了一种用于脱机手写汉字识别的汉字字符切分方法，其特征在于，包括下列步骤：(1)对待识别的汉字图像进行预处理，所述预处理包括对图像进行二值化处理；(2)基于投影分析对汉字图像进行粗分割，将非粘连的字符分割成单个字符，将粘连的字符整体分割；(3)获得非粘连字符的平均高度；(4)根据步骤(3)获得的非粘连字符的平均高度，对步骤(2)分割后的字符进行判断，得到粘连字符串集；(5)对于粘连字符串集中的每一粘连字符串，基于最小加权分割路径进行细切分，实现粘连字符的切分。本发明可以有效地自适应分割粘连汉字字符和非粘连汉字字符，具有较高的分割准确率和分割效率。

摘要： 本发明提供一种用于联机手写汉字识别的汉字笔画特征并行提取方法，其方法主要通过对联机手写汉字的时间序列进行真实笔画和虚拟笔画处理，进而提取用于文字识别的笔画特征。本发明融合联机手写汉字的虚拟笔画特征和无虚拟笔画特征，采用融合后的特征进行联机手写体识别，可以大大提高对连笔草书汉字的识别效果，不仅能识别规范书写的汉字，也能够对连笔草书汉字进行识别，故而可以让用户无限制地自由书写汉字。

摘要： 本发明提供一种用于联机手写汉字识别的汉字笔画特征串行提取方法，其方法主要通过对联机手写汉字的时间序列进行真实笔画和虚拟笔画处理，进而提取用于文字识别的笔画特征。本发明融合联机手写汉字的虚拟笔画特征和无虚拟笔画特征，采用融合后的特征进行联机手写体识别，可以大大提高对连笔草书汉字的识别效果，不仅能识别规范书写的汉字，也能够对连笔草书汉字进行识别，故而可以让用户无限制地自由书写汉字。