当前位置:首页 > 工业技术
手写藏文字符识别研究
手写藏文字符识别研究

手写藏文字符识别研究PDF电子书下载

工业技术

  • 电子书积分:9 积分如何计算积分?
  • 作 者:黄鹤鸣,马龙龙,赵维纳著
  • 出 版 社:北京:科学出版社
  • 出版年份:2016
  • ISBN:7030475763
  • 页数:183 页
图书介绍:本书主要介绍脱机手写藏文字符识别和联机手写藏文字符识别研究方面的最新进展,在简要介绍藏文信息处理、模式识别、数字图像处理等必要内容的基础上,重点介绍了手写藏文字符样本库的构建、脱机手写藏文字符识别方法、基于统计的联机手写藏文字符识别方法、融合统计和结构特征的联机手写藏文字符识别方法以及藏文字符的计算机排序等内容。在手写藏文字符样本数据库构建、预处理技术、特征提取、分类器设计以及后处理等方面进行了探索性研究,提出了一些符合藏文文字特点的新方法。
《手写藏文字符识别研究》目录

第1章 绪论 1

1.1 藏文文字简介 1

1.1.1 本地藏文 2

1.1.2 梵音藏文 3

1.1.3 藏文符号 4

1.1.4 藏文字符集标准 5

1.2 藏文信息处理技术 7

1.2.1 藏文操作系统 7

1.2.2 藏语信息处理 9

1.3 手写汉字识别的研究现状 13

1.3.1 手写汉字识别的发展历史 13

1.3.2 手写汉字识别的主要研究内容和方法 14

1.3.3 导致汉字识别困难的几个因素 20

1.4 手写藏文字符识别研究现状 21

1.4.1 影响藏文字符识别的几个因素 21

1.4.2 导致藏文字符识别困难的几个主要因素 22

1.4.3 藏文字符识别的研究现状 24

参考文献 25

第2章 数字图像处理基础 33

2.1 数字图像基础 33

2.1.1 数字图像的获取 33

2.1.2 数字图像分类 35

2.1.3 图像的数字表示 36

2.2 图像分析基础 37

2.2.1 梯度 37

2.2.2 不变矩 39

2.3 图像变换 40

2.3.1 傅里叶变换 41

2.3.2 离散余弦变换 42

2.3.3 K-L变换 44

2.3.4 奇异值分解 46

2.3.5 小波变换 49

2.4 本章总结 51

参考文献 52

第3章 模式识别基础 53

3.1 模式识别及其典型过程 53

3.2 特征的选择和提取 56

3.2.1 几种常用的特征选择方法 57

3.2.2 特征的线性变换方法 58

3.2.3 特征的非线性变换方法 58

3.3 分类器设计 60

3.3.1 Fisher线性判别分析 62

3.3.2 感知器准则 63

3.3.3 近邻法 64

3.3.4 改进的二次判别函数 66

3.3.5 核Fisher判别分析 69

3.4 本章总结 71

参考文献 72

第4章 手写藏文字符样本库 75

4.1 脱机手写藏文字符样本库 75

4.1.1 脱机手写藏文字符样本库 75

4.1.2 脱机手写藏文文档样本库 79

4.2 脱机手写藏文字符样本预处理 80

4.2.1 文档图像的预处理 80

4.2.2 字符图像的预处理 82

4.3 联机手写藏文字符样本库 86

4.3.1 手写藏文字符样本收集 86

4.3.2 数据存储结构 88

4.3.3 数据分析 89

4.3.4 数据划分及使用 92

4.4 本章总结 92

参考文献 93

第5章 脱机手写藏文字符识别方法 94

5.1 基于梯度的手写藏文字符特征提取方法 95

5.2 基于不变矩和小波变换的特征提取技术 97

5.3 基于小波变换和梯度方向直方图的特征提取方法 100

5.3.1 特征向量的维数 100

5.3.2 实验分析 101

5.3.3 结论 103

5.4 基于字典学习和核主成分分析的特征提取方法 104

5.4.1 核主成分分析(KPCA) 104

5.4.2 稀疏表示 109

5.4.3 基于字典和核主成分分析的特征提取算法DL-KPCA 111

5.4.4 实验过程及结果分析 113

5.5 基于K-近邻和稀疏表示的两阶段分类算法 117

5.5.1 算法介绍 117

5.5.2 实验 119

5.6 本章总结 121

参考文献 123

第6章 基于统计的联机手写藏文字符识别方法 125

6.1 预处理 126

6.1.1 线性归一化 126

6.1.2 添加虚拟笔划 128

6.1.3 基于数学形态学的去噪处理 128

6.1.4 非线性变换 133

6.1.5 笔划等距离重采样和平滑 137

6.2 基于方向的特征提取方法 137

6.2.1 方向的确定 137

6.2.2 滤波器的选择 140

6.2.3 二值投影到灰度 142

6.2.4 图像分割的粒度 142

6.3 三阶段分类方法 143

6.3.1 基于欧式距离的粗分类 144

6.3.2 基于MQDF的细分类 144

6.3.3 相似字符的判别分类 146

6.4 本章总结 147

参考文献 147

第7章 融合统计和结构特征的联机手写藏文字符识别方法 150

7.1 基于藏文部件的识别框架 151

7.2 藏文部件过分割方法 152

7.3 藏文部件模型库的构建 152

7.3.1 藏文字符结构 152

7.3.2 手写藏文部件的选取准则 153

7.3.3 半自动的部件标定方法 153

7.4 集成的部件串分割与识别 156

7.4.1 条件随机场 156

7.4.2 集成CRF函数 157

7.4.3 能量函数 158

7.4.4 集成CRF的参数学习 159

7.5 实验 159

7.5.1 数据库描述 159

7.5.2 实验结果 160

7.6 本章总结 161

参考文献 161

第8章 藏文字符的计算机排序——后处理的基础问题研究 164

8.1 手写藏文字符识别与藏文字符排序间的关系 164

8.2 藏文字符排序元素 165

8.2.1 DUCET简介 166

8.2.2 对部分梵音藏文字母排序元素的修订 167

8.3 本地藏文音节类型的程序判定 170

8.3.1 本地藏文音节通用结构 170

8.3.2 对部分受语法影响音节和部分梵音藏文组合字符的预处理 171

8.3.3 本地藏文音节结构的判定 171

8.3.4 本地藏文音节中字母间的约束关系 173

8.3.5 本地藏文音节判定算法 174

8.4 本地藏文字符排序 175

8.4.1 本地藏文音节串间的比较 175

8.4.2 混合字符串间的排序 176

8.4.3 排序结果 176

8.5 梵音藏文字符排序 177

8.5.1 梵音藏文音节的判断准则 177

8.5.2 梵音藏文的词典顺序 178

8.5.3 梵音藏文音节的通用结构 179

8.5.4 梵音藏文音节间的比较 179

8.6 排序元素的压缩 180

8.7 本章总结 182

参考文献 182

返回顶部