第1章緒論1.1引言1.2文字和漢字1.2.1文字的代碼表示1.2.2漢字的字體字形1.2.3漢字的特點1.2.4中文信息處理1.3文字識別和漢字識別1.4文字識別研究歷程1.5文字識別分類1.5.1按照不同文種文字和文檔的識別技術分類1.5.2按照獲取圖像方式和識別對象不同分類1.5.3單個字符識別和文檔篇章識別1.6文字識別與筆跡鑒別1.7漢字識別的基本方法——基于視覺感知的漢字識別方法1.8關于本書參考文獻第2章模式識別和模式識別信息熵理論2.1引言：模式與模式識別2.2基于貝葉斯統計決策的模式識別2.3模式識別統一信息熵理論2.3.1特征和類別及其相關信息熵2.3.2后驗熵：最優貝葉斯分類器誤識率的上限2.3.3模式識別的學習與識別信息過程2.3.4互信息：決定模式識別性能的鑒別熵2.4正態分布條件下的模式識別信息熵系統2.5最大互信息鑒別分析（互信息鑒別子空間模式識別）2.5.1最大互信息子空間線性鑒別分析方法2.5.2最大互信息線性鑒別分析與線性鑒別分析LDA2.6特征選擇的信息熵準則2.6.1基于錯誤概率的類別可分性準則2.6.2基于有效互信息的類別可分性準則2.7從信息熵分析看提高識別性能的途徑2.8漢字集合和漢字文本的信息熵2.8.1漢字集合的信息熵2.8.2漢字文本的信息熵和漢字的極限熵2.9本章小結參考文獻第3章漢字識別的特征提取3.1引言3.2漢字字符圖像規一化預處理3.2.1線性規一化3.2.2非線性規一化3.2.3基于整體密度均衡的非線性規一化3.3漢字識別中的特征抽取3.3.1結構特征3.3.2統計特征3.4漢字識別特征提取研究的發展歷程3.4.1基于圖像變換的印刷漢字識別特征和系統3.4.2基于形態學漢字結構分析的兩級印刷漢字識別特征和系統3.4.3漢字筆畫密度微結構全局特征及多字體漢字識別系統3.4.4基于漢字筆畫方向網格特征的魯棒漢字識別系統3.5筆畫方向線素特征3.5.1方向線素特征的形成方法3.5.2網格化方向線素特征3.5.3對原模糊分塊方法的改進——低通采樣方向線素特征3.5.4實驗和結果3.6基于Gabor濾波器的高性能漢字識別方向特征3.6.1Gabor變換理論分析3.6.2適用于漢字識別的Gabor濾波器組設計及實驗驗證3.6.3對Gabor濾波器組輸出的非線性變換3.6.4分塊特征的抽取3.6.5實驗及結果3.7漢字識別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不同筆畫方向特征的識別性能實驗比較3.9本章小結參考文獻第4章特征的鑒別分析和分布整形4.1引言4.2線性鑒別分析4.2.1優化準則4.2.2變換形式和最優解4.2.3變換的分解形式4.2.4啟發式討論4.2.5實驗與結果4.2.6小結4.3正則化線性鑒別分析4.3.1小樣本帶來的問題4.3.2利用正則化估計協方差陣4.3.3實驗結果4.4異方差鑒別分析4.4.1基于極大似然估計的異方差線性鑒別分析4.4.2基于Chernoff準則的異方差線性鑒別分析4.4.3基于Mahalanobis準則的異方差線性鑒別分析4.4.4實驗結果4.4.5小結4.5特征統計分布整形變換4.5.1特征分布的整形4.5.2正態性檢驗4.5.3BoxCox變換4.5.4方向線素及梯度特征的整形4.5.5實驗與結果4.6本章小結參考文獻第5章模式識別分類器設計/統計模式分類方法5.1引言5.2貝葉斯判決理論5.3正態分布下的貝葉斯分類器5.3.1正態分類模型5.3.2最小距離分類器MDC5.3.3線性距離分類器LDC5.3.4二次鑒別函數分類器QDF5.3.5二次鑒別函數5.3.6QDF誤差分析5.4改進二次鑒別函數分類器MQDF5.4.1修正二次鑒別分類MQDF5.4.2QDF修正形式的貝葉斯估計推導5.4.3實驗與結果5.5系統實現與應用5.5.1非限定脫機手寫漢字識別系統5.5.2多字體印刷中、日、韓文識別系統5.6分類器的置信度分析5.6.1分類器的置信度和廣義置信度5.6.2基于距離的分類器的廣義置信度估計5.6.3多層前向神經網絡分類器廣義置信度估計5.6.4從廣義置信度求置信度的方法5.6.5使用ACT估計后驗概率5.6.6置信度分析在字符識別中的應用5.6.7小結5.7分類器集成5.7.1集成的3個層次5.7.2基于線性回歸的多分類器集成5.7.3利用線性回歸提高后驗概率估計的準確性5.7.4后驗概率的估計誤差與誤識率的關系5.7.5實驗結果5.7.6小結5.8本章小結參考文獻第6章無約束手寫漢字識別分類器鑒別學習6.1引言6.2基于最小錯誤率的鑒別學習6.2.1最小錯誤率學習6.2.2基于MCE的多模板距離分類器參數鑒別學習6.2.3基于MCE的MQDF分類器參數鑒別學習6.2.4基于MCE的正交混合高斯模型的鑒別學習6.3基于啟發式的鑒別學習方法6.3.1矯正學習6.3.2鏡像學習方法6.3.3樣本重要性加權學習方法6.4本章小結參考文獻第7章聯機手寫漢字識別7.1引言7.1.1聯機手寫漢字識別方法回顧7.2描述結構的統計模型——SSM7.2.1基元間關系的描述7.2.2結構統計模型SSM的定義及概率分析7.2.3SSM應用于聯機手寫漢字識別7.2.4實驗與分析7.2.5小結7.3路徑受控HMM和時空統一模型7.3.1路徑受控HMM（PCHMM）7.3.2PCHMM在聯機手寫漢字識別中的應用7.3.3聯機手寫漢字識別的時空統一模型——STUM7.3.4實驗與分析7.3.5小結7.4基于全局模式分析的統計結構特征7.4.1聯機漢字筆跡的結構分析7.4.2聯機手寫漢字分類特征的分析與提取7.4.3小結7.5高性能聯機手寫漢字識別系統及其嵌入式系統7.5.1聯機手寫漢字識別系統7.5.2嵌入式聯機手寫識別系統7.6本章小結參考文獻第8章利用上下文信息的漢字識別后處理8.1概述8.2漢字識別后處理模型8.2.1漢字文本識別的整體模型8.2.2利用多層語言知識的漢字識別整體模型8.2.3整體模型的全局優化8.2.4影響后處理性能的要素分析8.3統計語言模型8.3.1ngram模型的基本理論8.3.2基于字的語言模型8.3.3基于詞的語言模型8.4候選集的有效性8.4.1候選集大小分析8.4.2混淆矩陣獲取8.4.3擴充候選字集8.4.4詞條近似匹配算法8.5文本識別后處理的實現8.5.1字bigram模型的上下文處理8.5.2字trigram模型的上下文處理8.5.3詞bigram模型的上下文處理8.5.4字、詞相結合的上下文處理8.4.5利用上下文信息的漢字識別實驗系統8.6實驗結果與分析8.6.1實驗數據說明8.6.2語言模型的影響8.6.3候選字集的影響8.6.4文本識別混合后處理系統的影響8.7本章小結參考文獻第9章脫機手寫文檔識別方法9.1引言9.2文本行識別研究概況9.3基于過切分的脫機手寫中文文本行識別方法9.3.1脫機手寫中文文本行識別方法9.3.2基于分段的文本行識別搜索方法9.3.3文本行切分識別中的語言模型自適應9.3.4脫機手寫中文文本識別系統9.4基于HMM的無切分民族文字文檔識別方法9.4.1無切分識別方法的主要思想9.4.2無切分文檔識別方法中的特征提取9.4.3無切分文檔識別方法中的模型訓練9.4.4無切分文檔識別方法中的模型優化9.4.5無切分文檔識別方法中的解碼識別9.4.6無切分維文文檔識別研究的相關實驗9.4.7小結9.5本章小結參考文獻第10章文檔版面自動分析和理解10.1版面處理的概念10.2版面分析研究的歷史和現狀10.2.1版面分析研究的分類10.2.2版面分析工作的發展10.2.3版面分析的困難10.3基于多層次基元的版面分析模型10.3.1多層次可信度的定義10.3.2多層次可信度指導下的自底向上版面分析算法10.3.3連通域層次10.3.4行層次10.3.5區域層次10.3.6頁面層次10.3.7實驗結果10.4版面理解和重構10.4.1版面理解和重構的需求10.4.2文檔結構模型10.4.3版面理解10.4.4版面重構10.4.5原文重現的電子出版物制作系統10.5本章小結參考文獻第11章蒙藏維多文種識別11.1引言11.1.1蒙藏維文識別11.1.2民族文字識別的現狀11.1.3藏文及其識別11.1.4維吾爾文及其識別11.1.5蒙古文及其識別11.2蒙藏維文識別的基本策略11.2.1基本識別單元選擇11.2.2基本框架和關鍵技術11.3多文種民族文字識別中的字符規一化11.3.1基于基線分塊的民族字符規一化策略11.3.2規一化點陣大小選擇11.3.3位置規一化11.3.4基于三次B樣條函數的字符圖像插值11.3.5筆畫寬度調整11.4民族文字識別中的特征提取與特征變換11.4.1改進型方向線素特征11.4.2基于視覺特性的方向特征11.4.3基于線性鑒別分析的特征變換11.4.4實驗結果11.5民族文字識別中的級聯分類器設計11.5.1預分類11.5.2基于鑒別學習MQDF的主分類器11.5.3輔助分類11.5.4實驗結果11.6藏文文本切分和藏文識別后處理11.6.1藏文文本切分11.6.2拼寫規則與統計方法相結合的藏文識別后處理11.7多民族語言文字識別系統的實現——THOCR統一平臺民族文字識別系統11.7.1統一平臺多民族文字識別系統特點11.7.2維漢英混排民族文字的識別11.7.3蒙藏維多文種統一平臺識別系統性能11.7.4蒙藏維文檔識別的跨文種翻譯理解11.8本章小結參考文獻附錄A常用縮略語表附錄B文字識別相關研究成果附錄C文字識別相關成果主要獎勵附錄D已授權文字識別相關發明專利附錄E文字識別相關的博士論文附錄F本書中算法研究相關數據庫索引