文字识别：原理、方法和实践

目录第1章绪论1.1引言1.2文字和汉字1.2.1文字的代码表示1.2.2汉字的字体字形1.2.3汉字的特点 1.2.4中文信息处理1.3文字识别和汉字识别1.4文字识别研究历程1.5文字识别分类1.5.1按照不同文种文字和文档的识别技术分类1.5.2按照获取图像方式和识别对象不同分类1.5.3单个字符识别和文档篇章识别1.6文字识别与笔迹鉴别1.7汉字识别的基本方法——基于视觉感知的汉字识别方法1.8关于本书参考文献第2章模式识别和模式识别信息熵理论2.1引言： 模式与模式识别2.2基于贝叶斯统计决策的模式识别2.3模式识别统一信息熵理论2.3.1特征和类别及其相关信息熵2.3.2后验熵：*优贝叶斯分类器误识率的上限2.3.3模式识别的学习与识别信息过程2.3.4互信息：决定模式识别性能的鉴别熵2.4正态分布条件下的模式识别信息熵系统2.5*大互信息鉴别分析（互信息鉴别子空间模式识别） 2.5.1*大互信息子空间线性鉴别分析方法2.5.2*大互信息线性鉴别分析与线性鉴别分析LDA2.6特征选择的信息熵准则2.6.1基于错误概率的类别可分性准则2.6.2基于有效互信息的类别可分性准则2.7从信息熵分析看提高识别性能的途径2.8汉字集合和汉字文本的信息熵2.8.1汉字集合的信息熵2.8.2汉字文本的信息熵和汉字的极限熵2.9本章小结参考文献第3章汉字识别的特征提取3.1引言3.2汉字字符图像规一化预处理3.2.1线性规一化3.2.2非线性规一化3.2.3基于整体密度均衡的非线性规一化3.3汉字识别中的特征抽取3.3.1结构特征3.3.2统计特征3.4汉字识别特征提取研究的发展历程3.4.1基于图像变换的印刷汉字识别特征和系统 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3.4.4基于汉字笔画方向网格特征的鲁棒汉字识别系统3.5笔画方向线素特征3.5.1方向线素特征的形成方法3.5.2网格化方向线素特征3.5.3对原模糊分块方法的改进——低通采样方向线素特征3.5.4实验和结果3.6基于Gabor滤波器的高性能汉字识别方向特征3.6.1Gabor变换理论分析3.6.2适用于汉字识别的Gabor滤波器组设计及实验验证3.6.3对Gabor滤波器组输出的非线性变换3.6.4分块特征的抽取3.6.5实验及结果3.7汉字识别梯度方向特征抽取方法3.7.1梯度方向特征3.7.2梯度方向特征的快速算法3.8不同笔画方向特征的识别性能实验比较3.9本章小结参考文献第4章特征的鉴别分析和分布整形4.1引言4.2线性鉴别分析4.2.1优化准则4.2.2变换形式和*优解4.2.3变换的分解形式4.2.4启发式讨论4.2.5实验与结果4.2.6小结 4.3正则化线性鉴别分析4.3.1小样本带来的问题4.3.2利用正则化估计协方差阵4.3.3实验结果4.4异方差鉴别分析4.4.1基于极大似然估计的异方差线性鉴别分析4.4.2基于Chernoff准则的异方差线性鉴别分析4.4.3基于Mahalanobis准则的异方差线性鉴别分析4.4.4实验结果4.4.5小结4.5特征统计分布整形变换4.5.1特征分布的整形4.5.2正态性检验4.5.3BoxCox变换4.5.4方向线素及梯度特征的整形4.5.5实验与结果4.6本章小结参考文献第5章模式识别分类器设计/统计模式分类方法5.1引言5.2贝叶斯判决理论5.3正态分布下的贝叶斯分类器5.3.1正态分类模型5.3.2*小距离分类器MDC5.3.3线性距离分类器LDC 5.3.4二次鉴别函数分类器QDF5.3.5二次鉴别函数5.3.6QDF误差分析5.4改进二次鉴别函数分类器MQDF5.4.1修正二次鉴别分类MQDF5.4.2QDF修正形式的贝叶斯估计推导5.4.3实验与结果5.5系统实现与应用5.5.1非限定脱机手写汉字识别系统5.5.2多字体印刷中、日、韩文识别系统5.6分类器的置信度分析5.6.1分类器的置信度和广义置信度5.6.2基于距离的分类器的广义置信度估计5.6.3多层前向神经网络分类器广义置信度估计5.6.4从广义置信度求置信度的方法5.6.5使用ACT估计后验概率5.6.6置信度分析在字符识别中的应用5.6.7小结5.7分类器集成5.7.1集成的3个层次5.7.2基于线性回归的多分类器集成5.7.3利用线性回归提高后验概率估计的准确性5.7.4后验概率的估计误差与误识率的关系5.7.5实验结果5.7.6小结5.8本章小结参考文献第6章无约束手写汉字识别分类器鉴别学习6.1引言6.2基于*小错误率的鉴别学习6.2.1*小错误率学习6.2.2基于MCE的多模板距离分类器参数鉴别学习6.2.3基于MCE的MQDF分类器参数鉴别学习6.2.4基于MCE的正交混合高斯模型的鉴别学习6.3基于启发式的鉴别学习方法6.3.1矫正学习6.3.2镜像学习方法6.3.3样本重要性加权学习方法6.4本章小结参考文献第7章联机手写汉字识别7.1引言7.1.1联机手写汉字识别方法回顾7.2描述结构的统计模型——SSM7.2.1基元间关系的描述7.2.2结构统计模型SSM的定义及概率分析7.2.3SSM应用于联机手写汉字识别7.2.4实验与分析7.2.5小结7.3路径受控HMM和时空统一模型7.3.1路径受控HMM（PCHMM）7.3.2PCHMM在联机手写汉字识别中的应用7.3.3联机手写汉字识别的时空统一模型——STUM7.3.4实验与分析7.3.5小结7.4基于全局模式分析的统计结构特征7.4.1联机汉字笔迹的结构分析7.4.2联机手写汉字分类特征的分析与提取7.4.3小结7.5高性能联机手写汉字识别系统及其嵌入式系统7.5.1联机手写汉字识别系统7.5.2嵌入式联机手写识别系统7.6本章小结参考文献第8章利用上下文信息的汉字识别后处理8.1概述8.2汉字识别后处理模型8.2.1汉字文本识别的整体模型8.2.2利用多层语言知识的汉字识别整体模型8.2.3整体模型的全局优化8.2.4影响后处理性能的要素分析8.3统计语言模型8.3.1ngram模型的基本理论8.3.2基于字的语言模型8.3.3基于词的语言模型8.4候选集的有效性8.4.1候选集大小分析8.4.2混淆矩阵获取8.4.3扩充候选字集8.4.4词条近似匹配算法8.5文本识别后处理的实现8.5.1字bigram模型的上下文处理8.5.2字trigram模型的上下文处理8.5.3词bigram模型的上下文处理8.5.4字、词相结合的上下文处理8.4.5利用上下文信息的汉字识别实验系统8.6实验结果与分析8.6.1实验数据说明8.6.2语言模型的影响8.6.3候选字集的影响8.6.4文本识别混合后处理系统的影响8.7本章小结参考文献第9章脱机手写文档识别方法9.1引言9.2文本行识别研究概况9.3基于过切分的脱机手写中文文本行识别方法9.3.1脱机手写中文文本行识别方法9.3.2基于分段的文本行识别搜索方法9.3.3文本行切分识别中的语言模型自适应9.3.4脱机手写中文文本识别系统9.4基于HMM的无切分民族文字文档识别方法9.4.1无切分识别方法的主要思想9.4.2无切分文档识别方法中的特征提取9.4.3无切分文档识别方法中的模型训练9.4.4无切分文档识别方法中的模型优化9.4.5无切分文档识别方法中的解码识别9.4.6无切分维文文档识别研究的相关实验9.4.7小结9.5本章小结参考文献第10章文档版面自动分析和理解10.1版面处理的概念10.2版面分析研究的历史和现状10.2.1版面分析研究的分类10.2.2版面分析工作的发展10.2.3版面分析的困难10.3基于多层次基元的版面分析模型10.3.1多层次可信度的定义10.3.2多层次可信度指导下的自底向上版面分析算法10.3.3连通域层次10.3.4行层次10.3.5区域层次10.3.6页面层次10.3.7实验结果10.4版面理解和重构10.4.1版面理解和重构的需求10.4.2文档结构模型10.4.3版面理解10.4.4版面重构10.4.5原文重现的电子出版物制作系统10.5本章小结 参考文献第11章蒙藏维多文种识别11.1引言11.1.1蒙藏维文识别11.1.2民族文字识别的现状11.1.3藏文及其识别11.1.4维吾尔文及其识别11.1.5蒙古文及其识别11.2蒙藏维文识别的基本策略11.2.1基本识别单元选择11.2.2基本框架和关键技术11.3多文种民族文字识别中的字符规一化11.3.1基于基线分块的民族字符规一化策略11.3.2规一化点阵大小选择11.3.3位置规一化11.3.4基于三次B样条函数的字符图像插值11.3.5笔画宽度调整11.4民族文字识别中的特征提取与特征变换11.4.1改进型方向线素特征11.4.2基于视觉特性的方向特征11.4.3基于线性鉴别分析的特征变换11.4.4实验结果11.5民族文字识别中的级联分类器设计11.5.1预分类11.5.2基于鉴别学习MQDF的主分类器11.5.3辅助分类11.5.4实验结果11.6藏文文本切分和藏文识别后处理11.6.1藏文文本切分11.6.2拼写规则与统计方法相结合的藏文识别后处理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11.7.1统一平台多民族文字识别系统特点11.7.2维汉英混排民族文字的识别11.7.3蒙藏维多文种统一平台识别系统性能11.7.4蒙藏维文档识别的跨文种翻译理解11.8本章小结参考文献附录A常用缩略语表附录B文字识别相关研究成果附录C文字识别相关成果主要奖励附录D已授权文字识别相关发明专利附录E文字识别相关的博士论文附录F本书中算法研究相关数据库索引