导读:本文包含了笔划提取论文开题报告文献综述及选题提纲参考文献，主要关键词:手写体汉字实验平台,笔划密度函数,弹性网格特征,汉字识别
笔划提取论文文献综述
宁博[1]（2013）在《手写体汉字识别实验平台及笔划网格特征提取方法的研究》一文中研究指出脱机手写体汉字识别研究是一个涉及多种学科的课题。手写体汉字的数量巨大、类别繁多、结构复杂、以及书写风格差异性等特点，使其在模式识别广阔的研究领域中，成为一个极其富有挑战性的课题。建立一个统一的脱机手写体汉字识别实验平台是对手写体汉字识别研究方法进行客观分析、评价的重要方式和手段。本文设计和构建了一个脱机手写体汉字识别实验平台。并在实验平台基础上对汉字识别相关算法进行了深入的研究。研究的主要内容如下：1.手写体汉字识别的实验平台。首先对手写体汉字样本库进行了研究，介绍了样张的设计和采集，样本库构建流程以及样本信息的组织方式，构建了一个标准的手写体汉字样本字库。接着介绍了汉字常用的预处理技术。最后重点介绍了本文手写体汉字识别实验平台的系统架构，实验平台功能模块的设计。2.手写体汉字的特征提取。汉字的特征提取方法主要可以分为两类：基于统计特征、基于结构特征的提取方法。本文主要研究并在实验平台上编程实现了汉字识别中几种常用的特征提取算法。在此基础上，将笔划密度函数的定义扩展到对角方向上，构成对角方向网格，提出了一种新的基于笔划密度函数的双弹性网格方法，此方法不仅考虑到汉字的笔划结构中“撇”、“捺”笔划的书写特性，而且通过构造对角弹性网格技术弥补了纵横网格技术的不足之处。3.手写体汉字的分类识别。首先介绍了汉字分类中的一些典型的分类方法，如最近邻（KNN）分类法、贝叶斯(Bayes)判别分类法、支持向量机(SVM)和BP神经网络分类方法。同时介绍了AdaBoost算法的相关知识。接着，深入研究了用于手写体汉字分类的基于BP神经网络的AdaBoost方法。最后，在汉字实验平台的基础之上，对比了不同分类器的实验结果，验证了该方法的有效性。4.汉字识别实验平台的系统实现和识别实验结果及分析。首先介绍了汉字实验平台的系统实现。接着，对手写体汉字实验平台的性能进行测试，对比了构造样本集所用的时间，验证了本文构造的脱机手写体汉字识别实验平台的实用性和高效性。然后基于实验平台，对多种特征提取方法和分类识别方法，进行汉字识别实验并分析实验结果。验证了本文提出的基于笔划密度函数的双弹性网格算法的合理性和有效性。(本文来源于《河北工业大学》期刊2013-12-01）
訾兴建,王建平[2]（2012）在《基于小波变换的图像汉字笔划特征提取方法》一文中研究指出借鉴仿生模式识别的认知观点,从汉字的构造机理和人类认识汉字的习惯角度出发,提出一种基于小波变换的图像汉字识别方法。制定了图像汉字笔划特征提取的具体规则,采用小波变换的方法对图像汉字边缘和笔划轮廓进行检测,通过有效提取图像汉字笔段信息,进行笔段合成,生成汉字或汉字的基本笔划。仿真实验结果表明,这种方法提高了图像汉字笔划特征提取的准确率和稳定性,对于印刷体和书写较规范的手写体图像汉字具有极高的识别率。(本文来源于《计算机工程与应用》期刊2012年12期）
袁媛,刘文才[3]（2010）在《基于形状分割的手写汉字笔划提取方法》一文中研究指出笔迹鉴别的目的是区分不同的书写者,而笔划提取是笔迹鉴别的基础。本文提出了一种用于笔迹鉴别的手写汉字笔划提取算法,该算法定义了凹凸点与四种基本笔划相交类型的对应关系,通过字符图像轮廓上的凹凸点检测来确定笔划相交区域和相交类型;接着,在各个相交区域上,根据其笔划相交类型进行形状分割;最后,用对笔划轮廓两侧对应点进行跟踪的方法来进行细化。我们将该算法与基于细化和基于段化的笔划提取算法进行比较,实验结果表明,该提取算法具有比较高的准确率和有效性,因此本文提出的基于形状分割的手写汉字笔划提取方法具有较高的可操作性和实用价值。(本文来源于《计算机工程与科学》期刊2010年12期）
柏宏飞,金城[4]（2010）在《基于分层块过滤和笔划特征的场景文字提取方法》一文中研究指出场景文字包含了重要的场景图像的语义信息。因此将场景图像中出现的文字抽取出来,将会对场景图像的内容分析、检索和浏览提供有益的帮助。提出的场景文字提取方法,是在边缘检测的基础上,使用分层块过滤的方法在不同尺度上过滤背景,产生场景文字区域,然后对聚合出来的文字区域根据笔划颜色和笔划宽度方面的特征进行二值化分割得到二值化文字图像,这些二值化后的文字区域图像可以作为OCR引擎的输入进行识别,从而达到提取场景图像语义信息的目的。分层块过滤的方法能较好地过滤背景聚合产生文字区域,利用文字的笔划特征也能有效地分割出文字笔划像素。实验结果也证明了方法的有效性。(本文来源于《计算机应用与软件》期刊2010年05期）
赵琪[5]（2010）在《书法碑帖文字的笔划提取技术及其实现》一文中研究指出对中国书法创作进行计算机模拟的研究,不仅对于继承和发展中国传统文化有非常重要的意义,而且有利于书法艺术的推广和计算机艺术的发展。本文就计算机书法模拟和创作中,关于碑帖书法汉字笔划提取的几个关键问题：预处理、单字图像分割、笔划提取,轮廓恢复等作了介绍,并提出了相应的解决办法。为了获取清晰完整的碑帖书法图像,本文首先介绍了图像预处理的方法,主要包括：图像去噪,单字图像分割、图像平滑、骨架和轮廓提取等。经过处理,碑帖图像中书法文字信息被以骨架和轮廓图像的方式表达出来。其次,通过分析书法汉字轮廓的特点,给出了一种基于书法笔划特征的,书法碑帖汉字笔划提取技术。然后,针对笔划提取过程中遇到的轮廓缺失问题,提出了一种通过学习相似笔划轮廓、对笔划轮廓的缺失部分进行合理估计的笔划轮廓恢复方法。实验表明,本方法可以有效的获取书法文字笔划信息。但由于笔划提取算法较为简单,在某些复杂情况下笔划提取过程仍然需要人工干预。最后,集成对书法碑帖图像进行笔划提取处理的相关软件工具,设计和实现了一个书法笔划提取系统。本文的工作是初步的,需要在友好的人际交互环境下获得更丰富的实例,为后续研究提供支撑。(本文来源于《华东师范大学》期刊2010-05-01）
孙晓红,张学东[6]（2008）在《基于邻域特征的笔划交叉点提取算法的研究》一文中研究指出介绍了一种基于细化的手写体汉字笔划交叉点提取的方法。在众多笔迹算法中,大部分把笔划作为对象进行研究,而要得到准确的笔划特征,难点在于能够准确地确定其交叉点,在交叉点提取过程中,经常会丢失重要的交叉点和产生伪交叉点,提出的新的基于邻域特征的交叉点提取算法可以避免这种现象,实验结果证明了该算法的有效性。(本文来源于《计算机工程与设计》期刊2008年19期）
聂玖星,李建华,王宏[7]（2008）在《基于笔划类型的汉字特征点提取算法研究》一文中研究指出提出了一种基于笔划类型的特征点提取算法。该算法通过分析特征点周围区域的笔划分布,精确地得到特征点类别、数目和位置等属性,并且能够重画敏感区域的笔划。它有效地克服了特征点敏感区域笔划畸变带来的影响。这对利用特征点属性做统计和结构特征的有效性和后续识别进程都是很有利的。(本文来源于《2008通信理论与技术新发展——第十叁届全国青年通信学术会议论文集（下）》期刊2008-10-01）
熊鹏[8]（2008）在《汉字笔迹的笔划提取》一文中研究指出在多媒体信息量飞速增长的今天,从包含有汉字信息的图片、视频等媒介中,进行汉字笔迹的自动识别,成为目前研究的热点。笔划提取是汉字笔迹识别的一个重要步骤。由于手写汉字具有字量大、书写风格众多、随意性较大和结构复杂等特点,所以,目前笔划提取还存在许多技术问题,包括汉字分割、细化和笔划提取等问题,需要进一步研究。在对汉字书写的特点以及已有的分割方法进行分析的基础上,设计了用密度聚类来分割汉字的方法。聚类方法以组成汉字的像素点为研究对象,聚类完成后得到的簇就是分割出来的汉字。实验结果表明,用聚类方法可以有效地解决汉字粘连等问题。针对现有的细化算法不能解决细化过程带来的局部结构变形和“伪分支”的问题,对通用细化算法进行了改进,增加了一些排除规则。实验结果表明,在改进后算法的效果要比以前好,能够有效地解决原算法存在的结构变形和伪分支等问题。另外,对轮廓跟踪细化算法作了分析,针对起始点难以确定和跟踪过程复杂的问题,给出了确定跟踪起始点的方法,并解决了跟踪过程中存在的一些问题。实验结果表明,轮廓跟踪细化算法能够克服局部结构的变形和“伪分支”问题。在笔划提取上,通过分析细化后骨架的交叉点与模糊区域的关系,设计了合并交叉点并寻找离交叉点最近距离的轮廓点来检测模糊区域的方法。实验结果表明,该方法能够正确地检测出模糊区域。在检测模糊区域后,分析模糊区域附近的笔划间的关系,合并笔划段,最后提取出笔划。(本文来源于《华中科技大学》期刊2008-06-01）
温丽敏[9]（2008）在《用VB实现联机手写汉字的笔划端点提取》一文中研究指出对联机自然手写汉字识别系统中笔划提取问题进行了研究,提出一种基于时间间隔的笔划端点提取策略,并用可视化编程工具Visual Basic加以实现。实验表明,该策略和算法具有较高的稳定性和变形容忍度。(本文来源于《计算机时代》期刊2008年03期）
姜宏亮[10]（2007）在《笔迹鉴定中基于动态信息的笔划特征提取技术的研究》一文中研究指出笔迹鉴定系统依据数据获取方式的不同,分为联机笔迹鉴定和脱机笔迹鉴定。迄今为止,脱机笔迹鉴定发展不是很成熟。中国刑警学院的笔迹鉴定专家经过研究发现,如果在脱机鉴定时能够利用从静态信息中推导出的动态信息并加以鉴定,那么就能显着提高脱机笔迹鉴定的性能。为了充分利用动态信息,需要将从手写板获得的笔迹动态信息与相关字体图像进行关联研究以便发现两者的之间的联系。在对动态信息与静态信息的研究工作中,为了将从动态信息读取的字体点云与相应字体图像进行配准,提出了一个简单有效的解决方法,避免了大量繁琐复杂的计算。通过对字体点云与字体图像进行特殊角点的快速搜索,并利用计算得到的参数进行角度旋转、尺度伸缩、平移等操作把字体点云匹配到相应的字体图像上。用该方法对相关样本进行大量实验,平均配准率达到了97.3%,基本符合笔迹鉴定系统的研发要求。在对字体图像的研究中,给出了一个简单、实用的笔划像素宽度的求取算法。通过对一般字体笔划提取方法的分析和研究,提出一种充分结合动态信息的特殊笔划提取算法,并利用笔划像素宽度作为阈值解决了交叉笔划的提取问题,取得了满意的效果。利用VC++平台中MFC框架完成了这些算法的实现,并制作成软件,目前软件已在中国刑警学院试运行,取得到了满意的运行效果。(本文来源于《沈阳工业大学》期刊2007-12-10）
笔划提取论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
借鉴仿生模式识别的认知观点,从汉字的构造机理和人类认识汉字的习惯角度出发,提出一种基于小波变换的图像汉字识别方法。制定了图像汉字笔划特征提取的具体规则,采用小波变换的方法对图像汉字边缘和笔划轮廓进行检测,通过有效提取图像汉字笔段信息,进行笔段合成,生成汉字或汉字的基本笔划。仿真实验结果表明,这种方法提高了图像汉字笔划特征提取的准确率和稳定性,对于印刷体和书写较规范的手写体图像汉字具有极高的识别率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
笔划提取论文参考文献
[1].宁博.手写体汉字识别实验平台及笔划网格特征提取方法的研究[D].河北工业大学.2013
[2].訾兴建,王建平.基于小波变换的图像汉字笔划特征提取方法[J].计算机工程与应用.2012
[3].袁媛,刘文才.基于形状分割的手写汉字笔划提取方法[J].计算机工程与科学.2010
[4].柏宏飞,金城.基于分层块过滤和笔划特征的场景文字提取方法[J].计算机应用与软件.2010
[5].赵琪.书法碑帖文字的笔划提取技术及其实现[D].华东师范大学.2010
[6].孙晓红,张学东.基于邻域特征的笔划交叉点提取算法的研究[J].计算机工程与设计.2008
[7].聂玖星,李建华,王宏.基于笔划类型的汉字特征点提取算法研究[C].2008通信理论与技术新发展——第十叁届全国青年通信学术会议论文集（下）.2008
[8].熊鹏.汉字笔迹的笔划提取[D].华中科技大学.2008
[9].温丽敏.用VB实现联机手写汉字的笔划端点提取[J].计算机时代.2008
[10].姜宏亮.笔迹鉴定中基于动态信息的笔划特征提取技术的研究[D].沈阳工业大学.2007