(毕业论文35页17129字)摘 要：手写体汉字识别是汉字识别领域中最难的课题。其应用于自然人机交互领域，提高了人机交互的自然性和友好性；同时也用于文字信息自动处理领域，为节省人力，提高效率，加快信息流动作出了巨大贡献。本文对目前手写体汉字识别在预处理、特征提取、分类识别及后处理四个阶段主要采用的方法做了简要介绍，阐述了各种方法的优缺点，同时介绍了字体库建立的算法。支持向量机是近几年来模式识别领域中的一个新技术，它被广泛应用到文字识别、人脸识别等应用中，是模式识别领域中的研究热点，本文提出了一种将支持向量机有效地用于解决多分类问题的策略。SVM具有结构简单,分类稳定可靠,且容错性好等优点。同时和LVQ 神经网络分类器识别方法进行了比较,计算机仿真表明,采用SVM用于手写体汉字识别更适合。最后根据目前的研究状况，指出今后研究中需要注意的问题和研究的发展方向。

关键词：汉字识别；预处理；特征提取；分类识别；支持向量机

Research on Recognition Methods of Chinese Handwriting Characters

Abstract: Chinese handwriting characters recognition is the most difficult problem in character recognition field. It can improve nature and friendship when applied in natural human machine interactive areas, make a tremendous contribution to save manpower, improve efficiency and accelerate information transmission when applied in automatic text processing. This paper surveyed the main techniques in four phases: pre -processing, feature extracting, classification and recognition, and post-processing. The advantages and disadvantages of various methods were analyzed and the method of establishing font library was discussed. SVM (Support vector machine) is a new technique in pattern recognition in recent years, which is widely used in different fields such as characters and human face recognition and it has become a hotspot in pattern recognition. A strategy was proposed to solve handwriting digits multi--class classification problem effectively by SVM. SVM has merits of simple structure, steady and credible classification and good error tolerance. The simulation results show that SVM is more suitable for Chinese handwriting characters recognition compared with LVQ neural network classifier. In the end, some problems that should be paid more attention and some research development direction were proposed according to current research status.

Keywords: Chinese character recognition, pre-processing, feature extraction, classification and recognition, support vector machine
 
目    录

第1章  绪  论 1
1.1  研究的意义 1
1.2  手写体汉字识别研究的历程及现状 2
1.3  方式的研究 3
第2章  预处理 6
2.1  手写体汉字图像大小归一化 6
2.2  手写体汉字图像的二值化 7
2.3  行、字切分 7
2.4  细化 9
2.5  倾斜校正 10
第3章  特征提取 13
3.1  汉字特征提取标准 13
3.2  笔划特征 13
3.3  分区特征点 16
3.4  结构划分特征 16
第4章  汉字识别分类系统 17
4.1  神经网络分类器 17
4.2  支持向量机 18
第5章  手写体汉字识别系统设计与实现 20
5.1  基于 LIBSVM手写体汉字识别 20
5.2  基于VC++手写汉字识别的系统设计 22
第6章  总  结 29
致  谢 30
参考文献 31

 
第1章  绪  论
1.1  研究的意义   
从黄帝时代至尽汉字己有数干年的历史，它是世界上使用人数最多的文字，对于中华民族灿烂文化的形成和发展有着不可磨灭的贡献，它发挥着重要的、其它文字形式难以取代的作用。然而由于汉字自身的一些特点，在当今计算机电脑时代里，如何快速高效地将汉字输入计算机，已成为影响人机交流信息效率的一个重要瓶颈。目前，汉字输入主要分为人工键盘输入和机器自动识别输入两种。其中人工键入速度慢且劳动强度大，这种方法不适用于需要处理大量文字资料的办公自动化、文档管理、图书情报管理等场合。自动识别输入分为语音识别和汉字识别两种。汉字识别，也称光学字符识别，即OCR技术(Optical Character Recognition)，其基本原理就是通过输入装置(如扫描仪)将汉字点阵图形转换成电信号，然后输入给计算机进行处理，计算机依据一定的分类算法在汉字字符集合中识别出与之相匹配的汉字，因此，研究计算机识别汉字的目的就是解决汉字信息高速、自动输入计算机的问题，使计算机能更方便快速地进行信息加工处理。在以下领域中具有广泛的实用意义:
1．在信息处理领域中使用手写体汉字识别技术可以大大提高计算机的使用效率。随着计算机的发展，计算机进行信息处理的速度越来越高。与此相适应的输出装置的速度也大幅度提高。然而，作为计算机的输入手段特别是汉字字符的输入却没有多大的改观，仍然停留在依靠人用手指敲击键盘，使计算机在大部分时间里处于闲置状态。计算机的性能越好，人与机器矛盾就越突出，因此，输入的低速度己成为计算机系统提高使用效率的瓶颈，解决这一问题的出路就在于计算机自动识别文字。
    2．汉字自动识别是计算机智能接口的重要组成部分。
3．汉字自动识别是办公自动化、新闻出版等最理想的输入方法。
4．很大部分电子文献是以点阵图像存储在计算机中的，经过汉字识别后以字符存储，会大大节省存储空间，并提高网络等传输速度。汉字识别不但在实际应用方面十分重要，在理论研究方面也有重大志义。