空中手写汉字交互输入与识别实验平台构建

设计与实现了基于微软Kinect摄像机的在线空中手写汉字交互输入与识别实验平台。在研究现有联机手写汉字识别的方法基础上,提出了基于视觉汉字笔画顺序和统计特征的空中手写汉字特征向量提取方法,并利用流形学习方法训练大汉字集的低维流形表示和显式映射函数,结合邻域搜索策略和语义联想可实时高效的进行空中手写汉字识别。该实验平台为空中手写汉字识别方法提供了的客观分析、评价的方式和手段。     

兼顾连笔及笔顺自由的联机手写汉字识别方法

文章将手写汉字的可见线段和不可见线段进行联合编码,并对汉字笔画编码进行加权分类,较好的解决了联机手写汉字识别中连笔及笔顺自由问题,最后采用无回溯串匹配算法实现了汉字识别。     

汉字输入的捷径——汉王听写输入系统的应用

汉王听写输入系统是中文连续语音识别软件与汉王笔手写识别系统的集成产品。其中“听”是指IBM 语音识别输入,“写”是指汉王笔手写识别输入。手写汉字输入系统是汉王公司新推出的联机手写汉字识别系统,系统将汉王联机手写汉字识别系统第八版识别核心与中文普通话连续语音识别核心创造性的集成在一起,成为一个相互补充、相互依赖的有机整体,是前所未有的语音识别与手写结合的汉字输入方式,是汉字输入的根本性的革命。     

基于相似度的手写汉字笔划鉴别方法实验研究

针对手机和平板电脑上手写汉字主流的xml存储格式,提出了一种对识别用户手写汉字笔划的算法。算法首先从三种结构特征对手写汉字进行编码,然后计算用户字笔划、模板字笔划之间不同编码集合的相似度,最后组合多种相似度识别手写汉字的笔划,并通过三种应用实验验证方法的有效性。笔顺的判别一直是手写汉字识别的难点,文章中提出的方法笔顺的识别率高达95%以上。此算法在用户字的多笔、少笔判别、笔顺判别、整字的正确性以及美观性判别等方面都有着广泛的应用。     

基于深度学习的手写表格识别系统研究与实现

为了对非固定样式的手写表格文档进行批量识别处理,实现自动录入功能,首先通过空表识别生成单元格信息,分析版面结构;其次对图片进行去噪、倾斜校正、二值化等处理,对手写内容进行分割;最后搭建识别手写字符的卷积神经网络。实验结果表明,最终实现的识别系统能对不同格式的手写表格进行识别并生成数据格式文件。基于空表识别得到单元格信息的手写表格识别系统能对不同样式的表格进行批量识别处理,且通过CNN搭建识别模型,手写汉字也能被识别,使系统通用性更好,便于应用扩展。     

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％。     

基于支持向量机的手写数字串识别

手写数字识别是手写字符识别的一个重要分支,单个数字识别技术已经比较成熟,而手写数字串的切分与识别则成为了该领域的一个难点。本文针对手写数字串的切分和识别设计了一种实验模型,该实验模型针对手写数字串的过度切分以及不足切分的特殊情况设置基于支持向量机的检测器进行再次识别确认,实验证明,使用基于支持向量机的检测器大大的减少了因为错误切分而带来的识别率的下降。     

基于支持向量机的手写数字串识别

手写数字识别是手写字符识别的一个重要分支,单个数字识别技术已经比较成熟,而手写数字串的切分与识别则成为了该领域的一个难点。本文针对手写数字串的切分和识别设计了一种实验模型,该实验模型针对手写数字串的过度切分以及不足切分的特殊情况设置基于支持向量机的检测器进行再次识别确认,实验证明,使用基于支持向量机的检测器大大的减少了因为错误切分而带来的识别率的下降。     

汉字听写——高中语文教学亟待加强的训练

信息数字时代的到来,使得国人手写汉字的能力每况愈下。据国内权威机构调查显示,在受访群体中仅有38．9％的人经常手写汉字,41．2％的受访者表示自己手写汉字的频率一般,19．0％的受访者表示自己不经常手写汉字。与此同时,98．8％的受访者坦言自己曾遇到过提笔忘字的情况,其中29．5％的受访者表示自己经常遇到这种情况,鉴于此,中央电视台在2013年暑期推出了一档可谓是“汉字保卫战”的特别节目——《中国汉字听写大会》。     

手写汉字规定格式练习系统设计

本文介绍的是关于手写汉字识别的汉字练习系统设计,重点介绍字库的设计和管理.系统样本模式特征选取点与点之间距离、点位置两类.学习后,将提取的特征字保存到字样本库中.为便于快速匹配,样本库建立在文件尾部.库结构为简单顺序存储结构.     

基于GA-BP神经网络的脱机手写藏文识别方法

通过对当前流行的各种识别技术进行分析比较,在对藏文手写体特征展开深入研究的基础上,考虑到将来的研究趋势及可扩展性,提出了一套基于手写藏文识别的技术方法,即基于GA-BP神经网络的藏文识别方案,并着重对手写藏文识别中的特征提取和分类器设计进行了分析,提出了藏文识别领域今后的发展方向。     

一种静态手写汉字签名特征描述算法的实现

基于模式识别统一信息熵理论,采用一种静态手写汉字签名特征描述算法,选取静态手写汉字签名样本的两个特征,利用DB8小波对签名样本进行小波分解,对主要能量分布方向进行由粗到细的三级筛选,得到当事人和待鉴定人签名样本整体和某一特征的差异度,并且,当事人主要特征上的差异度大小得以保留。该特征描述方法可应用于静态手写汉字签名的区别鉴定。     

利用电脑“书写”汉字

汉语是公认的最难学的语言之一,而在听、说、读、写诸方面,写（指手写）又是最艰巨、最费时的＂任务＂。对于母语为拼音文字的西方学生来说尤其如此。长期以来,手写汉字一直是影响教学进度的主要因素,也是致使许多学生对汉语望而却步,甚至最终放弃继续学习的主要原因之一。而利用电脑＂书写＂汉字,必将为对外汉字教学这一领域提供更为广阔的思路和前景。和以前的纯粹手写汉字相比,利用电脑＂书写＂汉字在很多方面都具有无法取代的优势。作者简略论述了电脑＂书写＂汉字在对外汉字教学中的优势,并对通过电脑＂书写＂汉字应注意的问题,提出了一些见解和思考。     

女书OCR设计与研究

目前国内的女书文字大多采用手写的方式保存。介绍了女书OCR技术,讨论了女书OCR的整体流程,具体包括二值化,文字分割,特征提取和文字识别等方法,最终实现了对手写女书文字的识别和存储。     

女书OCR设计与研究

目前国内的女书文字大多采用手写的方式保存。介绍了女书OCR技术,讨论了女书OCR的整体流程,具体包括二值化,文字分割,特征提取和文字识别等方法,最终实现了对手写女书文字的识别和存储。     

论汉字在传达中的积极功能

传达中,文字的功能向来不被看重.一般认为文字不具备激发思维的功能,它只是对思维成果的消极物化.这种看法并不适合汉字.汉字是表意性文字,有图画性特征,这使它具备三个优点见文知意、传达意义的丰赡立体性、具有丰富的文化蕴涵.这些优点使它在传达中成为一个可以激发思维、推进思维的活体.同时传达中的汉字是手写的汉字,手写汉字有强化汉字形象性特征的性质.因此,汉字在传达中是积极的、有利于思维深入活跃的因素.     

基于net的核判别分析的手写体识别

提出了一种新的基于核判别分析的手写汉字识别方法。核判别是对线性判别式分析的非线性判别分布的扩展。阐述了核判别分析法的基本原理,建立了核判别分析手写体识别模型,研究分析了核判别分析手写体识别模型的缺陷并提出了优化策略。在此基础上,采用C#与核判别分析相结合的算法,更好地展示了核判别算法的算法优势,采用高级语言提高了网络的学习训练速度和识别效果。     

离线手写印刷体汉字识别技术

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三级进行匹配,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;最后利用内轮廓折射与字典逐字匹配,达到对离线手写印刷体汉字识别的目的。     

汉字字形识别的认知途径及其认知心理学意义述评

汉字字形识别研究具有双重意义一是有助于中小学汉字识字教学,二是有助于计算机的汉字识别模型的建立.从认知心理学入手具体分析汉字字形的特征以及认知者的信息加工过程并通过对汉字字形识别的认知途径的分析与综合,可以确立汉字字形识别的一般认知过程与认知特点.特别值得重视的是微观发生范式理论有助于深入地揭示汉字字形识别的过程并确认了部首、独体字与合体字的基本视觉特征,而且可以把这一理论范式看作汉字教学与汉字识别技术研究的一种心理依据.     

卷积神经网络在手写字符识别中的应用

随着人工智能的发展,计算机对于输入的手写字符识别需求越来越大,采用改进的卷积神经网络对手写字符进行识别分类。用VGGNet16模型构造卷积神经网络模型,每一层都加上批标准化,通过平均值池化对卷积层进行下采样,利用PRELU激活函数代替ReLU激活函数,最后通过Softmax分类器对手写字符图像进行分类。在MNIST手写数字数据集和EMNIST-bymerge手写字母及数字数据集下进行实验,改进的卷积神经网络模型在MNIST数据集中识别准确率提升到99.65%,在EMNIST数据集中识别准确率为90.37%。因此,改进模型识别准确率较高,适用于手写字符识别。