论文题目: 联机手写汉字识别系统的研究与实现
论文类型: 硕士论文
论文专业: 计算机应用技术
作者: 俞庆英
导师: 吴建国
关键词: 联机手写汉字识别,笔画,方向代码,笔段,模式识别,识别字典
文献来源: 安徽大学
发表年度: 2005
论文摘要: 汉字属丁二维平面的方块字,不像英文那样能直接键入计算机,而需要熟记编码、击键输入,这曾一度成为汉字输入的唯一模式,目前也仍是计算机汉字输入的主要方法,但是键盘输入学习起来比较困难,而且需要记忆大量编码,对于很多人来说并不方便。随着计算机技术的发展,一种新的输入方法——联机手写汉字识别的输入法诞生了。这是一种实时识别方式,即用户一边写,机器一边识别处理。这种输入方法不需要记忆编码,也不需要键盘操作,方便、易学。 本文着眼于一个基于鼠标设备的联机手写汉字识别系统的研究与实现,借助于鼠标手写汉字,并完成实时识别。该系统对cpu速度影响小,识别速度快且使用简单。 联机手写汉字识别的方法可分为两人类:一类是基于整字识别的方法,一类是基于笔画识别的方法,本文采用的是后者,即先识别笔画再判别整个汉字的两级识别方法,因为汉字由笔画组成,而联机识别的特点就是写一笔、识别一笔。因此,在汉字识别中,笔画识别是文字识别的前提和关键。论文首先讨论了笔画的分类和特征,然后对汉字笔画信息的各种数据做了统计,这些数据对本文研究的识别系统具有重要的指导意义和应用价值。 论文所采用的笔画识别方法是以方向代码这个概念为基础的。在鼠标移动过程中可以获得笔迹的一系列坐标点数据,由于这些数据点是离散的,所以任相邻两点的曲线就是计算机所能分辨的一段最小直线。文中对每一最小段直线所属的方向域进行标记,产生了8种方向代码。这样,每一个笔画的移动轨迹都可以产生一个方向代码序列,通过对该序列进行滤波、归并之后可以得到该笔画的笔段序列,依照笔画特征字典用动态规划法匹配获得的笔段串,从而完成笔画的识别,其中也包括了部分连笔部件的识别。 由于手写的随机性,手写的笔画或汉字因人而异、冈时而异、因书写条件、设备和环境而异。所以在识别过程中,获得的方向代码序列是随机的。这就要求系统具有自学习的功能,对于新出现的正确模式,能够进行学习记忆。机器学习方法的种类很多,本文就笔画识别问题主要讨论了文法学习和神经网络学习方法。 实现笔画的识别是本文所采用的两级识别方法的第一步,第二步就是实现汉字的识别。论文设计了汉字识别系统的流程图。整字识别中主要讨论了四个问题:一是在汉字识别过程中对单笔画的识别进行后处理,提出了两种方法;二是分析了识别字典的种类以及相关问题;二是笔画串的匹配问题;四是讨论了识别系统实现的联想输入功能。 论文研究的手写汉字识别系统开销小,能有效节省软硬件资源,适用于嵌入式系统和单片机,有很大的应用前景。
论文目录:
摘要
Abstract
目录
图表目录
第一章 绪论
1．1 研究汉字识别的意义
1．2 汉字识别概述
1．2．1 汉字识别的研究范围
1．2．2 汉字识别系统的构成和识别方法
1．3 联机手写汉字识别(OLCCR)
1．3．1 OLCCR概述
1．3．2 联机手写汉字识别技术的发展与现状
1．4 联机手写汉字识别问题的难点
1．5 论文的内容
第二章 汉字笔画概述及笔画分类
2．1 汉字的特征与表示
2．2 汉字笔画概述
2．2．1 相关定义
2．2．2 笔画研究对实现联机手写汉字识别的意义
2．3 汉字笔画研究
2．3．1 汉字笔画的分类
2．3．2 对汉字笔画分类的归纳
2．4 本章小结
第三章 汉字笔画若千数据的统计方法研究与应用
3．1 汉字概述
3．2 笔画信息统计的意义
3．3 统计方法
3．4 汉字的各种平均笔画数
3．4．1 算术平均笔画数
3．4．2 按使用频度加权的平均笔画数
3．4．3 能与其他汉字区分开的前若干笔画的算术平均数
3．4．4 能与其他汉字区分开的前若干笔画的加权平均数
3．5 汉字笔画的各种数据统计
3．5．1 以各种笔画起笔的汉字的数目
3．5．2 各种笔画在6763个汉字中出现的频度
3．5．3 笔画相同的汉字列表
3．5．4 相邻笔画频度列表
3．6 统计数据在联机手写汉字识别中的应用
3．7 本章小结
第四章 联机手写笔画的识别
4．1 引言
4．2 用方向代码序列表示笔画
4．2．1 插值加密
4．2．2 笔画方向代码的产生
4．2．3 笔画方向代码序列的滤波
4．2．4 笔画方向码序列的归并处理
4．3 笔画的识别
4．4 本章小结
第五章 笔画识别中几种机器学习方法的研究
5．1 引言
5．2 文法学习在笔画识别中的应用研究
5．2．1 笔画识别中的文法分析问题
5．2．2 笔画识别中的文法推断问题
5．3 神经网络自学习方法在笔画识别中的应用研究
5．3．1 人工神经网络(ANN)基本理论
5．3．2 BP算法及其在笔画识别中的应用
5．4 本章小节
第六章 基于鼠标设备的识别系统的设计与实现
6．1 引言
6．2 识别系统概述
6．2．1 联机手写汉字的识别方法
6．2．2 笔画之间的关系
6．3 笔画识别的后处理方法
6．3．1 类似于回溯法的解决思路
6．3．1．1 回溯法的基本思想
6．3．1．2 用于笔画识别后处理中的回溯法思路
6．3．2 多候选组合法的解决思路
6．4 识别字典的建立
6．4．1 建立识别字库
6．4．2 笔画识别库的建立及其学习改进过程
6．4．3 建立索引库
6．5 汉字的匹配
6．6 词语联想
6．6．1 对联想词库排序
6．6．2 建立联想词库索引文件
6．6．3 根据索引指针查找并显示联想词语
6．6．4 运行结果
6．7 本章小结
第七章 结论与展望
参考文献
致谢
攻读硕士学位期间发表的论文
发布时间: 2005-09-20
参考文献
- [1].基于笔顺重排的联机手写汉字识别的研究与实现[D]. 崔景楠.辽宁工程技术大学2009
- [2].基于支持向量机的联机手写汉字识别的研究[D]. 莫咏柳.太原理工大学2011
- [3].联机手写汉字识别中字根提取算法研究[D]. 刘晓娟.华中科技大学2008
- [4].基于深度学习的联机手写汉字分析与识别[D]. 刘曼飞.华南理工大学2018
- [5].基于深度学习的脱机手写汉字识别技术研究[D]. 陈鹏飞.五邑大学2018
- [6].手写汉字的识别算法研究及系统实现[D]. 樊月娇.内蒙古大学2017
- [7].深度学习及其在手写汉字识别中的应用研究[D]. 王有旺.华南理工大学2014
- [8].基于结构分析的离线手写汉字切分[D]. 李小园.河北大学2009
- [9].基于深度学习的手写汉字识别技术研究[D]. 孙巍巍.哈尔滨理工大学2017
- [10].联机手写汉字识别关键技术研究[D]. 罗巧玲.华中科技大学2009
相关论文
- [1].基于笔画的联机手写汉字识别系统的研究与实现[D]. 樊庆林.安徽大学2007
- [2].一种基于特征提取的脱机手写汉字识别技术[D]. 欧阳应华.兰州大学2007
- [3].基于计算智能的手写体汉字识别技术研究[D]. 郭志涛.河北工业大学2007
- [4].脱机手写体汉字识别的特征提取研究与实现[D]. 刘伟.湖南大学2007
- [5].用于脱机手写体汉字识别的神经网络的研究[D]. 顾磊.南京工业大学2005
- [6].手写体汉字识别的研究[D]. 蔺菲.合肥工业大学2006
- [7].基于结构特征的手写体汉字识别研究[D]. 冯志敏.云南师范大学2006
- [8].联机手写汉字串的部件拆分识别方法研究[D]. 李春娣.哈尔滨工业大学2006
- [9].基于实虚笔段方向特征粗分方法的联机手写汉字识别[D]. 顾晶.南京理工大学2002
- [10].基于特征笔画组的联机手写体汉字识别的研究[D]. 陈绍斌.西南交通大学2002