[00049889]脱机通用手写体汉字识别新算法和系统开发

汉字识别属于超多类模式集合的分类问题。汉字识别技术可以分为印刷体识别和手写体识别。而手写体识别又可以分为联机与脱机两种。从识别技术的难度来说，手写体识别的难度高于印刷体识别，而在手写体识别中，脱机手写体的难度又远远超过了联机手写体识别。与脱机手写体相比，联机手写体识别和印刷体汉字识别已经实用化，而且在向更高的性能、更完善的用户界面的方向发展。 　　针对脱机手写体汉字识别中存在的问题，我们在汉字预处理、汉字切分、特征抽取、大样本学习和汉字识别方面开展了大量的研究。在汉字预处理方面，我们提出了基于二维细胞自动机和中值运算的去噪算法，同时也提出了一种基于模板保留的快速并行细化算法。针对限定性切分，我们提出的算法对图片的小角度倾斜、扫描仪的不同分辨率、汉字的部分出格、格子的大小都具有很好的自适应。在特征抽取方面，我们采用了由横、竖、撇、捺四种笔画组成的混合统计特征，该混合特征的最大优点是抗噪能力比较强。在大样本学习方面，我们提出了自适应支持向量机算法，该算法具有学习速度快，识别精度高的特点。在汉字识别方面，我们采用了一对一的学习策略，这样可以防止数据不平衡。基于上述的理论和算法研究，利用C#语言，我们开发了一个能识别400个汉字的软件系统，该系统可以在CPU 1GB、内存512MB的PC机上运行。对于书写比较规范的汉字，该系统的一次识别率达到了95%以上，对于带连笔比较少的汉字，该系统的一次识别率为90%左右。 　　项目投资条件：需要投入50万元资金购买相关的硬件和数据库软件 　　成果所处研究阶段：中试阶段 　　知识产权或已应用情况：基于自有知识产权的新算法，项目组开发了一套手写体汉字识别软件，并得到了该软件的著作权登记证书（证书编号：2007SR04555）。