1) Chinese string recognition
汉字串识别
2) handwritten Chinese string recognition
手写体汉字串识别
3) identification string
识别字串
4) Chinese characters recognition
汉字识别
1.
The Research on Neural Network for Off-line Handwritten Chinese Characters Recognition;
用于脱机手写体汉字识别的神经网络的研究
2.
Chinese characters recognition is an important research field in Chinese characters cognition.
汉字识别是汉语、汉字认知研究的一个重要研究领域。
3.
SVM,The theory of small-sample statistical learning proposed by Vapnik,was used for off-line handwritten Chinese characters recognition.
提出了一种模糊统计方法的脱机手写体汉字特征提取方法,结合小波网格方法和汉字笔画密度特征方法对汉字进行特征提取,并运用支持向量机方法,通过机器学习对脱机手写汉字识别。
5) Chinese character recognition
汉字识别
1.
A fast and effective method for printed Chinese character recognition;
一种快速有效的印刷体汉字识别方法
2.
An on-line free handwritten Chinese character recognition method based on component cascaded HMMs;
基于部件HMM级联的联机手写体汉字识别方法
3.
Pattern Recognition Summary and Chinese Character Recognition Principle;
模式识别综述及汉字识别的原理
6) Chinese character identification
汉字识别
1.
The key technique in design of a micro Chinese character identification system is analyzed and studied.
分析研究了微型汉字识别系统设计中的关键技术。
2.
A design of a micro Chinese character identification system based on vision detection technology is presented,which can read the Chinese character automatically;this system captures the images of the Chinese character through a single chip digital imaging device,then sends the image signal to the DSP to process and identify the Chinese character,at last drives a speech synthesis to read it.
介绍了一种基于视觉检测技术的微型汉字识别系统的设计,配合语音装置可以实现自动朗读功能;该系统通过前端的单片微型摄像头对文字进行图像采集,然后由DSP处理器进行图像分析和汉字识别,最后通过语音合成芯片进行朗读。
补充资料：汉字识别特征
汉字识别特征
Chinese character recognition features
汉·295·成败的主要因素。和一般模式特征类似，汉字识别特征可分为统计形式、结构形式和数学形式三类。汉字识别所抽取的汉字特征主要有:粗外围特征、粗网格特征、复杂指数和四边码、笔画密度特征、汉字特征点、短笔段特征、边框和局部特征、部件模板、笔画方向和轮廓特征、网格单元、笔画序列和各种数学变换特征等。这些特征在识别汉字时各有特色，互有优劣，它们可用于粗、细分类中。对汉字识别尚无系统性理论来指导特征的最佳选择，充分考虑汉字结构特点与规律以及识别系统的类型与要求来进行特征的选择是一种可取的方法。下面介绍几种国内外汉字识别系统中常用的汉字特征。 (1)粗外围特征抽取汉字四周轮廓信息作为特征，适用于粗分类。该特征抽取的过程为:先求出文字的外接框，再把PXq点阵文字分割成n只n份，n通常等于8。从文字四框各向相反边扫描，计算最初与文字笔画相碰的非文字部分的面积和全部面积之比作为一次粗外围特征Pl‘(￡=1一4n)，见图1。再将第二次与文字线相碰的非文字部分面积和全部文字面积之比作为二次粗外围特征尸2、(i二1一4n)，形成sn维的粗外围特征向量P p=(尸1一，尸12，…，PI，4，，pZI，p欢，一，pZ，4，) (1) 一次粗外围特征反映了文字轮廓特征，二次粗外围特征在某种程度上反映了文字内部结构。粗外围特征是日本学者首先提出的。首先提出的，主要用于粗分类。 (3)汉字特征点汉字由各种笔画构成，而笔画类型、数目和连接关系可以用笔画骨架线上的端点D、折点Z、歧点Q、交点J表示，见图2。汉字图形的背景(空白)部分，也包含了区别其他汉字的信息，选取若干关键背景点B作为特征，可以有效地区分同类中的其他汉字。这样，汉字特征点t由笔画特征点和背景关键点组成 t={D，Z，Q，J，B}(3) 图2汉字特征点示例 1二端点D;2.‘折点Z;3二歧点Q; 4.★交点几5.0关键背景点B 设T为汉字特征表达式，红是汉字特征点，K是特征点总数，凡是特征点类型(D、Z、Q、J、B)，八、yk是特征点在汉字点阵中相对坐标，{八}是特征点其他属性(主要是方向属性)集合，则有T={红}走=1，2，…，Ktk=(凡，几，旅，IPk})(4)┌─┐│/ ││嵘│└─┘ 图1粗外围特征 (2)粗网格特征把加框的Pxq点阵汉字划分为nXn块，n通常等于8，取每块中黑象素数对整个文字黑象素数的比为特征向量的分量，形成护维特征向量M。
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