汉字离线识别论文-叶锋,邓衍晨,汪敏,廖茜,郑子华

汉字离线识别论文-叶锋,邓衍晨,汪敏,廖茜,郑子华

导读:本文包含了汉字离线识别论文开题报告文献综述及选题提纲参考文献,主要关键词:离线手写体识别,LS-SVM,多分类,部分级联特征

汉字离线识别论文文献综述

叶锋,邓衍晨,汪敏,廖茜,郑子华[1](2017)在《部分级联特征的离线手写体汉字识别方法》一文中研究指出针对汉字类别多、风格多等识别难点,提出了一种基于LS-SVM的部分级联特征分类的离线手写体识别方法.具体包括霍夫空间加权采样和局部二值分布直方图两种新的特征提取算法,其可将任意大小的图像映射到固定长度的特征向量上,克服了已有特征提取算法的需要归一化、对笔画密度分布敏感等缺点;提出了基于部分级联特征的分类方式;提出了常见多分类方式的类别与正确率的关系,并给出了相应的数学证明.(本文来源于《计算机系统应用》期刊2017年08期)

王岩[2](2013)在《离线手写体汉字鉴别及识别算法研究》一文中研究指出随着模式识别技术的发展,手写汉字笔迹鉴别和字符识别的研究越来越引起人们的重视。汉字字符有其自身的特点:字符种类多,字形复杂,而手写字符又存在书写风格各异的问题。为了满足应用的需求,深入的研究手写汉字笔迹鉴别和字符识别具有广泛的应用价值。本文的主要研究内容和学术贡献有以下几个方面:首先,针对目前采集到的笔迹图像样本的背景、噪声、大小不一等问题,本文设计了一套笔迹图像预处理系统。该方法对于影响图像样本的格线等背景,设计了阈值分割方法进行背景去除;为体现手写字符的书写风格,进行了灰度化和二值化的处理;通过实验比较验证了手写汉字图像的各种去噪方法,选取自适应中值滤波方法对图像进行去噪;最后针对字符或纹理图像样本大小各异的问题,设计了行、字分割和尺寸归一化。整个预处理系统为后续的特征提取效果提供了保证。其次,在文本依存的离线手写汉字笔迹鉴别问题上,提出采用各项异性高斯滤波器对样本进行特征提取的方法,通过实验分析了尺度和角度参数对于特征值的重要性。针对滤波器参数选择耗时过高的问题,提出了结合人工蜂群算法和LDA算法的参数优化方法。实验证明,该参数优化方法可以大幅提高鉴别的时间效率。对于基于文本独立的离线手写汉字笔迹鉴别,针对目前算法存在识别率不高的问题,提出一种特征融合的方法进行笔迹特征的提取。该方法结合了局部二值模式方法的局部特征提取能力强,和多通道分解方法全局特征提取效果好的优点,同时在空域和时域上进行特征提取,应用于文本独立的笔迹鉴别中,取得了不错的识别率。最后本文研究了手写汉字字符识别问题,由于传统的算法在特征提取的过程中容易丢失特征信息,进而导致分类识别率下降,首次选用直接从基本像素入手进行特征提取的卷积神经网络,进行汉字字符识别。这种方法可以同时进行特征提取和分类,减少了中间的环节,有效控制了信息丢失的问题,实验结果证明,本算法在手写汉字字符上可以取得很好的效果。(本文来源于《河北工业大学》期刊2013-10-01)

金鱼江,林浪,王春磊[3](2009)在《离线手写体汉字识别系统的研发》一文中研究指出本文详细介绍了一款离线手写体汉字识别系统的设计过程,提出了如高宽比同投影相结合的切分算法、小波变换同双弹性网格相结合、基于关联规则的后处理等新的算法,一定程度上提高了系统的识别率。(本文来源于《内江科技》期刊2009年09期)

陈睿[4](2004)在《汉字离线识别技术中笔画提取模型研究》一文中研究指出随着汉字识别的应用越来越普遍,应用系统中对汉字识别的速度和正确率的要求也越来越高。目前,汉字识别技术主要分为两种,即在线识别和离线识别。汉字在线识别的技术已日趋成熟,很多能够进行汉字在线输入的系统都能够使用该技术。由于汉字在线识别的对象是在线输入的汉字,所以它能够利用笔画顺序、书写轻重等重要信息。而汉字离线识别的应用范围更为广泛,只要能够采集到汉字图像的场合都能够使用该技术。由于汉字离线识别不能利用笔画顺序、书写轻重等重要信息,所以难度相对要大一些。加上汉字数量浩大,使用汉字达到万余字;汉字结构复杂,变化多端;印刷体文字有不同字体、不同大小之分;手写汉字的书写更是因人而异、因时而变,形态变化巨大。如何解决这些问题已成为研究的热点。 汉字离线识别的技术主要分为两类,它们是基于整体信息的识别技术和基于局部信息的识别技术。前者将汉字作为一个整体来进行特征提取,如各种不变矩、各种整体图像变换、各个方向上的投影等等。这类方法对印刷体汉字识别十分有效,而对形变较大的手写体汉字的识别效果并不能令人满意。相对于整体的较大形变,汉字的局部信息,如笔画、字根等的形变较小。基于局部信息的识别技术对这类问题具有更好的效果。笔画提取是这类技术中的重点和难点。 论文主要研究了现有的各种笔画提取技术,并提出了两种新型的笔画提取模型。与同类模型相比,这两种模型分别在笔画提取的速度和效果上有了一定程度的提高。其中,基于笔画段分割与组合的笔画提取模型的对象是二值图,它对印刷体和限定手写体汉字的效果很好,且时间上较同类模型有较大提高。而基于可旋转滤波器的笔画提取模型的对象是骨架图,它的应用范围更广,而且对部分手写体汉字笔画多余连接问题的解决效果明显。汉字离线识别技术中笔画提取模型研究-中文摘要 最后,在matlab平台上对两种模型做了实验,对大量汉字进行了笔画提取,并在速度和效果上和同类模型做了对比,通过实验说明了这两种笔画提取方法的有效性。(本文来源于《西南师范大学》期刊2004-04-01)

郑毅,刘昌辉[5](2000)在《离线手写印刷体汉字识别技术》一文中研究指出运用松弛匹配方法的基本思想,给出了用汉字轮廓点的差分作为轮廓跟踪及折断点选择的算法,提高了轮廓折线化速度;分类按汉字四周的外轮廓线分叁级进行匹配,提出了动态有序弹性匹配方法,使全域松弛匹配得以在局部区域进行,从而有效地提高了匹配速度;在进行第一级初分类时,采用多个模块,有效地提高了按偏旁位置分布进行分类的正确率;最后利用内轮廓折线与字典逐字匹配,达到对离线手写印刷体汉字识别的目的.(本文来源于《襄樊学院学报》期刊2000年05期)

邵秀丽,刘璟,范志强[6](1999)在《离线手写汉字识别的并行实现》一文中研究指出汉字识别属于大类别模式识别问题,用并行算法可望提高在单机环境下识别离线手写汉字图象的运行速度。提出了一种汉字识别算法的并行设计方案,并针对它在PVM环境下运行结果进行了性能分析。(本文来源于《计算机工程》期刊1999年10期)

汉字离线识别论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

随着模式识别技术的发展,手写汉字笔迹鉴别和字符识别的研究越来越引起人们的重视。汉字字符有其自身的特点:字符种类多,字形复杂,而手写字符又存在书写风格各异的问题。为了满足应用的需求,深入的研究手写汉字笔迹鉴别和字符识别具有广泛的应用价值。本文的主要研究内容和学术贡献有以下几个方面:首先,针对目前采集到的笔迹图像样本的背景、噪声、大小不一等问题,本文设计了一套笔迹图像预处理系统。该方法对于影响图像样本的格线等背景,设计了阈值分割方法进行背景去除;为体现手写字符的书写风格,进行了灰度化和二值化的处理;通过实验比较验证了手写汉字图像的各种去噪方法,选取自适应中值滤波方法对图像进行去噪;最后针对字符或纹理图像样本大小各异的问题,设计了行、字分割和尺寸归一化。整个预处理系统为后续的特征提取效果提供了保证。其次,在文本依存的离线手写汉字笔迹鉴别问题上,提出采用各项异性高斯滤波器对样本进行特征提取的方法,通过实验分析了尺度和角度参数对于特征值的重要性。针对滤波器参数选择耗时过高的问题,提出了结合人工蜂群算法和LDA算法的参数优化方法。实验证明,该参数优化方法可以大幅提高鉴别的时间效率。对于基于文本独立的离线手写汉字笔迹鉴别,针对目前算法存在识别率不高的问题,提出一种特征融合的方法进行笔迹特征的提取。该方法结合了局部二值模式方法的局部特征提取能力强,和多通道分解方法全局特征提取效果好的优点,同时在空域和时域上进行特征提取,应用于文本独立的笔迹鉴别中,取得了不错的识别率。最后本文研究了手写汉字字符识别问题,由于传统的算法在特征提取的过程中容易丢失特征信息,进而导致分类识别率下降,首次选用直接从基本像素入手进行特征提取的卷积神经网络,进行汉字字符识别。这种方法可以同时进行特征提取和分类,减少了中间的环节,有效控制了信息丢失的问题,实验结果证明,本算法在手写汉字字符上可以取得很好的效果。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

汉字离线识别论文参考文献

[1].叶锋,邓衍晨,汪敏,廖茜,郑子华.部分级联特征的离线手写体汉字识别方法[J].计算机系统应用.2017

[2].王岩.离线手写体汉字鉴别及识别算法研究[D].河北工业大学.2013

[3].金鱼江,林浪,王春磊.离线手写体汉字识别系统的研发[J].内江科技.2009

[4].陈睿.汉字离线识别技术中笔画提取模型研究[D].西南师范大学.2004

[5].郑毅,刘昌辉.离线手写印刷体汉字识别技术[J].襄樊学院学报.2000

[6].邵秀丽,刘璟,范志强.离线手写汉字识别的并行实现[J].计算机工程.1999

标签:;  ;  ;  ;  

汉字离线识别论文-叶锋,邓衍晨,汪敏,廖茜,郑子华
下载Doc文档

猜你喜欢