1) handwritten Chinese character recognition
手写体汉字识别
1.
Small Set Handwritten Chinese Character Recognition Based on Integration RBF Neural Network;
基于集成RBF神经网络的小类别手写体汉字识别系统
2.
By choosing stroke and substroke as basic components to analyse the composition regularities and deformation regularities of handwritten Chinese character, two models are presented for representing the structure for handwritten Chinese character recognition: the substroke center model and the stroke relation matrix model, as the classifying criteria and methods based on models.
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。
3.
According to the feature extraction of the handwritten Chinese character recognition, an improved extracting stroke plane method was proposed.
针对手写体汉字识别过程中的特征抽取,提出了一种改进的抽取笔画平面的方法。
2) handwritten Chinese characters recognition
手写体汉字识别
1.
A system of handwritten Chinese characters recognition based on feedback structure is construc- ted.
构建一种基于反馈结构的手写体汉字识别系统。
3) HCCR
汉字手写体识别
4) off-line handwritten Chinese character recognition
脱机手写体汉字识别
1.
Algorithms Research on Thinning, Feature Extracting and Similar Chinese Characters Recognition for Off-line Handwritten Chinese Character Recognition;
脱机手写体汉字识别中细化、特征提取和相似字识别算法研究
2.
The proposed off-line handwritten Chinese character recognition system was composed of a feature extraction module and a recognition module.
提出的脱机手写体汉字识别系统主要研究特征提取和分类识别两个模块。
3.
This paper researches on feature extraction methods for off-line handwritten Chinese character recognition applied to automatic recognition of financial bills.
针对金融票据自动识别应用中的脱机手写体汉字识别进行特征提取的研究,首先提出了用Gabor特征和Zernike矩特征来分别表征汉字的局部特征和全局特征。
5) handwritten Chinese string recognition
手写体汉字串识别
6) online handwritten Chinese character recognition
联机手写体汉字识别
1.
In order to cope with stroke order variations , stroke number variations and large shape variations, a new online handwritten Chinese character recognition method is presented.
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。
补充资料：汉字识别前处理
汉字识别前处理
Chinese character recognition preprocessing
、|，!)、、，.，了，、、..J声，J1)1)( 一一 Xy 子‘、Zf、 关芳、、‘..r才、、，.‘口了Z口.吸飞、咨了了月，、、艺=A+R()LJNI〕巫竺一1 2了口..、、了‘口r‘飞、=L十ROtJNI)(Gl一A)/(场一L)/恤 2一1式中A(‘镇Gl，“镇，(场，，(工燕合、，1、y、告LLR;、、L伏见图1所示;G，，。为文字质心尸的坐标。R()LJNI)为四舍五人函数，，为乘号。 (4)细化逐层剥去文字点阵轮廓边缘上的黑象素点，直至变成笔画宽度只有一个比特的文字骨架图形的过程。文字细化的基本要求如下:①要保持原有笔画的连续性，不能由于细化使笔画断开。②细化后的笔画宽度为一个比特。③细化后的骨架应尽量是原笔画中心线。④保持文字原有特征，既不增加，也不丢失。 细化的方法很多，可按表1分类。 表1细化算法分类按细化一续叫4邻连接算法8邻连接算法混合连接算法按细化处理过程{串行并行串行、并行 {单方向按处理方式万双方向 戈四方向(脱壳)fl纠州刻幻川刻!l在汉字识别中，细化很少采用，在手写体汉字识别中可能用到。(如:一)。标点有长标点(如:!)、短标点(如:，、。)、宽标点(如:—)。英文字母有大、小写，各字母宽、窄差别很大。再加上文字边界上的污点、字与字之间的粘连、文字断笔等干扰，所有这些因素组合在一起，大大增加了正确切分的难度。字切分的基本方法有两类:一类是先验规则法。根据实际印刷物各种字符的宽度、高度、字符间隔和绝对位置等先验知识综合分析来切分。另一类是反馈法，即把字切分和识别结合起来，把识别结果反馈回来纠正字切分的错误。把字切分和识别两者结合起来，是提高字切分准确率的有效方法。 (3)规范化把文字尺寸变换成统一大小，文字位置和笔画粗细归一等文字点阵图形的规格化处理。①尺寸规范化。把不同大小的文字规范化为同一尺寸文字。这样，一个特征字典就可以识别不同字号的汉字。尺寸规范化的方法有两种:一种是将文字外接边框按比例线性放大或缩小成规定尺寸的文字，例如对印刷体汉字，一般规范成48x48点阵;另一种是先求出文字质心，再根据水平、垂直方向黑象素的分布按比例放大缩小。②位置规范化。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条