文獻(xiàn)標(biāo)識碼： A
DOI：10.16157/j.issn.0258-7998.201085
中文引用格式： 張莉，孟范澤，劉思霖，等. 基于投影法和卷積神經(jīng)網(wǎng)絡(luò)的手寫漢字圖像分割研究[J].電子技術(shù)應(yīng)用，2021，47(11)：73-75，80.
英文引用格式： Zhang Li，Meng Fanze，Liu Silin，et al. Application of projection method in the recognition of handwritten Chinese characters[J]. Application of Electronic Technique，2021，47(11)：73-75，80.
0 引言
隨著科技的發(fā)展以及人們?nèi)粘Ｉ罟ぷ髦袑?a class="innerlink" href="http://www.shi-ke.cn/tags/手寫漢字識別" target="_blank">手寫漢字識別的需求與日俱增，精確識別手寫票據(jù)、手寫試卷以及檔案信息表等文件中的手寫漢字，將會(huì)為社會(huì)帶來極大的便利。然而，漢字類別繁多，字形結(jié)構(gòu)復(fù)雜，一直是手寫字體識別中的難點(diǎn)和熱點(diǎn)[1]，且個(gè)人手寫漢字字體特點(diǎn)也不盡相同[2]。從文獻(xiàn)[3]可以看出，隨著所需識別漢字的數(shù)量以及神經(jīng)網(wǎng)絡(luò)復(fù)雜程度的提升，相應(yīng)的計(jì)算時(shí)間也會(huì)呈指數(shù)形式提升[4-5]。由此可見，實(shí)現(xiàn)對手寫漢字圖像的有效分割，將會(huì)減少手寫漢字的識別量，相應(yīng)地也降低了手寫漢字識別的復(fù)雜度與計(jì)算時(shí)間。
為了達(dá)到精準(zhǔn)分割、有效識別的目的，本文建立了卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks，CNN)手寫漢字識別模型。對投影法和輪廓檢測法的適用性進(jìn)行了對比分析，通過實(shí)驗(yàn)對投影法在手寫漢字識別中的適用性進(jìn)行了驗(yàn)證。
本文詳細(xì)內(nèi)容請下載：http://www.shi-ke.cn/resource/share/2000003830。
作者信息：
張 莉1，孟范澤1，劉思霖1，馮 銳1，王 鋼2，蔡 靖1
(1.吉林大學(xué) 儀器科學(xué)與電氣工程學(xué)院，吉林 長春130026；2.北華大學(xué)，吉林 吉林132013)
