文字识别 原理、方法和实践2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

文字识别 原理、方法和实践PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1引言1

1.2文字和汉字2

1.2.1文字的代码表示3

1.2.2汉字的字体字形4

1.2.3汉字的特点6

1.2.4中文信息处理8

1.3文字识别和汉字识别8

1.4文字识别研究历程10

1.5文字识别分类11

1.5.1按照不同文种文字和文档的识别技术分类11

1.5.2按照获取图像方式和识别对象不同分类12

1.5.3单个字符识别和文档篇章识别14

1.6文字识别与笔迹鉴别15

1.7汉字识别的基本方法——基于视觉感知的汉字识别方法16

1.8关于本书20

参考文献21

第2章 模式识别和模式识别信息熵理论23

2.1引言：模式与模式识别23

2.2基于贝叶斯统计决策的模式识别26

2.3模式识别统一信息熵理论30

2.3.1特征和类别及其相关信息熵31

2.3.2后验熵：最优贝叶斯分类器误识率的上限36

2.3.3模式识别的学习与识别信息过程38

2.3.4互信息：决定模式识别性能的鉴别熵40

2.4正态分布条件下的模式识别信息熵系统41

2.5最大互信息鉴别分析（互信息鉴别子空间模式识别）45

2.5.1最大互信息子空间线性鉴别分析方法45

2.5.2最大互信息线性鉴别分析与线性鉴别分析LDA46

2.6特征选择的信息熵准则47

2.6.1基于错误概率的类别可分性准则47

2.6.2基于有效互信息的类别可分性准则48

2.7从信息熵分析看提高识别性能的途径50

2.8汉字集合和汉字文本的信息熵52

2.8.1汉字集合的信息熵52

2.8.2汉字文本的信息熵和汉字的极限熵53

2.9本章小结55

参考文献56

第3章 汉字识别的特征提取59

3.1引言59

3.2汉字字符图像规一化预处理60

3.2.1线性规一化61

3.2.2非线性规一化65

3.2.3基于整体密度均衡的非线性规一化66

3.3汉字识别中的特征抽取68

3.3.1结构特征69

3.3.2统计特征70

3.4汉字识别特征提取研究的发展历程74

3.4.1基于图像变换的印刷汉字识别特征和系统74

3.4.2基于形态学汉字结构分析的两级印刷汉字识别特征和系统74

3.4.3汉字笔画密度微结构全局特征及多字体汉字识别系统75

3.4.4基于汉字笔画方向网格特征的鲁棒汉字识别系统77

3.5笔画方向线素特征80

3.5.1方向线素特征的形成方法80

3.5.2网格化方向线素特征82

3.5.3对原模糊分块方法的改进——低通采样方向线素特征86

3.5.4实验和结果86

3.6基于Gabor滤波器的高性能汉字识别方向特征88

3.6.1 Gabor变换理论分析88

3.6.2适用于汉字识别的Gabor滤波器组设计及实验验证91

3.6.3对Gabor滤波器组输出的非线性变换94

3.6.4分块特征的抽取96

3.6.5实验及结果97

3.7汉字识别梯度方向特征抽取方法100

3.7.1梯度方向特征100

3.7.2梯度方向特征的快速算法101

3.8不同笔画方向特征的识别性能实验比较102

3.9本章小结104

参考文献104

第4章 特征的鉴别分析和分布整形109

4.1引言109

4.2线性鉴别分析110

4.2.1优化准则110

4.2.2变换形式和最优解110

4.2.3变换的分解形式111

4.2.4启发式讨论113

4.2.5实验与结果115

4.2.6小结118

4.3正则化线性鉴别分析118

4.3.1小样本带来的问题118

4.3.2利用正则化估计协方差阵119

4.3.3实验结果121

4.4异方差鉴别分析123

4.4.1基于极大似然估计的异方差线性鉴别分析124

4.4.2基于Chernoff准则的异方差线性鉴别分析127

4.4.3基于Mahalanobis准则的异方差线性鉴别分析129

4.4.4实验结果130

4.4.5小结133

4.5特征统计分布整形变换134

4.5.1特征分布的整形134

4.5.2正态性检验135

4.5.3 Box-Cox变换137

4.5.4方向线素及梯度特征的整形140

4.5.5实验与结果142

4.6本章小结145

参考文献145

第5章 模式识别分类器设计/统计模式分类方法148

5.1引言148

5.2贝叶斯判决理论150

5.3正态分布下的贝叶斯分类器152

5.3.1正态分类模型152

5.3.2最小距离分类器MDC154

5.3.3线性距离分类器LDC155

5.3.4二次鉴别函数分类器QDF156

5.3.5二次鉴别函数157

5.3.6 QDF误差分析158

5.4改进二次鉴别函数分类器MQDF159

5.4.1修正二次鉴别分类MQDF159

5.4.2 QDF修正形式的贝叶斯估计推导160

5.4.3实验与结果163

5.5系统实现与应用164

5.5.1非限定脱机手写汉字识别系统165

5.5.2多字体印刷中、日、韩文识别系统169

5.6分类器的置信度分析172

5.6.1分类器的置信度和广义置信度172

5.6.2基于距离的分类器的广义置信度估计175

5.6.3多层前向神经网络分类器广义置信度估计180

5.6.4从广义置信度求置信度的方法181

5.6.5使用ACT估计后验概率181

5.6.6置信度分析在字符识别中的应用182

5.6.7小结187

5.7分类器集成187

5.7.1集成的3个层次187

5.7.2基于线性回归的多分类器集成190

5.7.3利用线性回归提高后验概率估计的准确性191

5.7.4后验概率的估计误差与误识率的关系193

5.7.5实验结果194

5.7.6小结198

5.8本章小结198

参考文献199

第6章 无约束手写汉字识别分类器鉴别学习202

6.1引言202

6.2基于最小错误率的鉴别学习204

6.2.1最小错误率学习204

6.2.2基于MCE的多模板距离分类器参数鉴别学习208

6.2.3基于MCE的MQDF分类器参数鉴别学习210

6.2.4基于MCE的正交混合高斯模型的鉴别学习212

6.3基于启发式的鉴别学习方法222

6.3.1矫正学习222

6.3.2镜像学习方法232

6.3.3样本重要性加权学习方法235

6.4本章小结247

参考文献247

第7章 联机手写汉字识别251

7.1引言251

7.1.1联机手写汉字识别方法回顾252

7.2描述结构的统计模型——SSM256

7.2.1基元间关系的描述257

7.2.2结构统计模型SSM的定义及概率分析259

7.2.3 SSM应用于联机手写汉字识别262

7.2.4实验与分析267

7.2.5小结268

7.3路径受控HMM和时空统一模型269

7.3.1路径受控HMM（PCHMM）271

7.3.2 PCHMM在联机手写汉字识别中的应用278

7.3.3联机手写汉字识别的时空统一模型——STUM285

7.3.4实验与分析286

7.3.5小结292

7.4基于全局模式分析的统计结构特征293

7.4.1联机汉字笔迹的结构分析293

7.4.2联机手写汉字分类特征的分析与提取297

7.4.3小结308

7.5高性能联机手写汉字识别系统及其嵌入式系统308

7.5.1联机手写汉字识别系统308

7.5.2嵌入式联机手写识别系统318

7.6本章小结323

参考文献324

第8章 利用上下文信息的汉字识别后处理328

8.1概述328

8.2汉字识别后处理模型332

8.2.1汉字文本识别的整体模型332

8.2.2利用多层语言知识的汉字识别整体模型334

8.2.3整体模型的全局优化335

8.2.4影响后处理性能的要素分析336

8.3统计语言模型337

8.3.1 n-gram模型的基本理论337

8.3.2基于字的语言模型342

8.3.3基于词的语言模型345

8.4候选集的有效性347

8.4.1候选集大小分析347

8.4.2混淆矩阵获取349

8.4.3扩充候选字集351

8.4.4词条近似匹配算法355

8.5文本识别后处理的实现357

8.5.1字bigram模型的上下文处理357

8.5.2字trigram模型的上下文处理359

8.5.3词bigram模型的上下文处理360

8.5.4字、词相结合的上下文处理362

8.4.5利用上下文信息的汉字识别实验系统366

8.6实验结果与分析367

8.6.1实验数据说明367

8.6.2语言模型的影响369

8.6.3候选字集的影响371

8.6.4文本识别混合后处理系统的影响375

8.7本章小结376

参考文献378

第9章 脱机手写文档识别方法380

9.1引言380

9.2文本行识别研究概况381

9.3基于过切分的脱机手写中文文本行识别方法385

9.3.1脱机手写中文文本行识别方法385

9.3.2基于分段的文本行识别搜索方法399

9.3.3文本行切分识别中的语言模型自适应404

9.3.4脱机手写中文文本识别系统414

9.4基于HMM的无切分民族文字文档识别方法416

9.4.1无切分识别方法的主要思想418

9.4.2无切分文档识别方法中的特征提取421

9.4.3无切分文档识别方法中的模型训练424

9.4.4无切分文档识别方法中的模型优化425

9.4.5无切分文档识别方法中的解码识别430

9.4.6无切分维文文档识别研究的相关实验432

9.4.7小结436

9.5本章小结436

参考文献437

第10章 文档版面自动分析和理解445

10.1版面处理的概念445

10.2版面分析研究的历史和现状447

10.2.1版面分析研究的分类447

10.2.2版面分析工作的发展458

10.2.3版面分析的困难460

10.3基于多层次基元的版面分析模型461

10.3.1多层次可信度的定义462

10.3.2多层次可信度指导下的自底向上版面分析算法463

10.3.3连通域层次464

10.3.4行层次464

10.3.5区域层次467

10.3.6页面层次467

10.3.7实验结果468

10.4版面理解和重构469

10.4.1版面理解和重构的需求469

10.4.2文档结构模型472

10.4.3版面理解475

10.4.4版面重构477

10.4.5原文重现的电子出版物制作系统480

10.5本章小结485

参考文献485

第11章 蒙藏维多文种识别490

11.1引言490

11.1.1蒙藏维文识别490

11.1.2民族文字识别的现状492

11.1.3藏文及其识别493

11.1.4维吾尔文及其识别497

11.1.5蒙古文及其识别499

11.2蒙藏维文识别的基本策略501

11.2.1基本识别单元选择501

11.2.2基本框架和关键技术503

11.3多文种民族文字识别中的字符规一化505

11.3.1基于基线分块的民族字符规一化策略506

11.3.2规一化点阵大小选择510

11.3.3位置规一化512

11.3.4基于三次B样条函数的字符图像插值512

11.3.5笔画宽度调整516

11.4民族文字识别中的特征提取与特征变换518

11.4.1改进型方向线素特征518

11.4.2基于视觉特性的方向特征522

11.4.3基于线性鉴别分析的特征变换525

11.4.4实验结果530

11.5民族文字识别中的级联分类器设计536

11.5.1预分类537

11.5.2基于鉴别学习MQDF的主分类器544

11.5.3辅助分类544

11.5.4实验结果554

11.6藏文文本切分和藏文识别后处理561

11.6.1藏文文本切分561

11.6.2拼写规则与统计方法相结合的藏文识别后处理568

11.7多民族语言文字识别系统的实现——TH-OCR统一平台民族文字识别系统576

11.7.1统一平台多民族文字识别系统特点577

11.7.2维-汉-英混排民族文字的识别578

11.7.3蒙藏维多文种统一平台识别系统性能580

11.7.4蒙藏维文档识别的跨文种翻译理解584

11.8本章小结586

参考文献587

附录A 常用缩略语表592

附录B 文字识别相关研究成果593

附录C 文字识别相关成果主要奖励594

附录D 已授权文字识别相关发明专利599

附录E 文字识别相关的博士论文601

附录F 本书中算法研究相关数据库603

索引608