导读:本文包含了印刷体论文开题报告文献综述及选题提纲参考文献，主要关键词:印刷体藏文,积分投影,切分
印刷体论文文献综述
公保杰,安见才让[1]（2019）在《印刷体藏文识别中字符切分方法的研究》一文中研究指出印刷体藏文字符的准确切分是识别的关键,由于藏文字符结构的特殊性导致字符之间会出现重迭粘连的现象,使得切分很困难。文章提出多策略细化切分方法,首先用积分投影法实现行和单字的粗切分,再对重迭粘连的字符,根据连通域、藏文字符基线位置像素的统计、字符宽度等信息进行细切分。实验表明,该切分方法提高了印刷体藏文字符切分的准确率,为提高印刷体藏文的识别效率提供基础。(本文来源于《计算机时代》期刊2019年09期）
[2]（2019）在《梁思成建筑研究手稿曝光，标准不输印刷体》一文中研究指出提起梁思成,大家一定不会陌生,他是享誉世界的教育家、历史学家、建筑学家,曾参与设计人民英雄纪念碑、中华人民共和国国徽等作品设计。终其一生,梁思成先生致力于中国古代建筑的研究和保护,为我国文化的传承做出了巨大的贡献。梁思成的一份建筑研究手稿在网络上曝光,令无数网友惊呼:太厉害了,让人叹为观止!从梁思成的手稿里,我们看到,他的绘画技巧与绘图水平已经完全是大师级的水平,标准堪比印刷体。有许多建筑系的学生直言:用电脑(本文来源于《青年文学家》期刊2019年22期）
公保杰[3]（2019）在《藏文印刷体识别系统的研究与实现》一文中研究指出英、汉文字识别研究较早,经过许多学者的不懈努力,中英文识别在技术方面累积了丰富的成果,并开发出许多商业化产品,识别率达到了99%以上。藏文识别方面由于藏文信息化建设较晚,直到信息化高速发展的今天,还处于起步阶段。而且藏文与中英文存在很大的差异,不能完全借鉴中英文识别中的成熟技术,需要依据藏文自身的特点,研究和设计出适合藏文的识别系统。藏文是一种非常古老的文字,记载着藏民族独有的文化,是全世界文化宝库中的重要组成部分。随着信息化时代的到来,为了让藏文能更有效地进行传播、查阅和交换,必须用数字化方式来整理和保存。所以藏文识别技术是解决这一问题的一种理想而有效的手段,可减少大量人力和财力的投入,而且藏文识别技术的发展,能推进民族文化、教育、经济的发展。具有非常重要的意义。根据上述问题,本课题深入研究了文字识别系统中的关键技术以及藏文字符的结构特征。重点研究内容放在藏文字丁的切分和分类识别上。提出了基于多策略的细化切分方法和基于二级分类器的识别方法。完成的主要工作具体如下:1.图像预处理。将图像预处理过程分为图像灰度化、二值化、除噪、倾斜矫正四个步骤。其主要目的就是尽可能地去除印刷体藏文文档图像的无用信息,使图像中的文字信息更容易检测。本系统图像预处理过程主要采用文字识别系统中常用的预处理方式,并取得了较好的效果。2.印刷体藏文文档图像中藏文字丁的切分。藏文字丁的切分过程分为行切分和字丁切分。首先将图像中的每个文本行切分出来,然后把每行中的藏文字丁切分出来。由于藏文字丁宽高不等,图像中会出现不同程度的重迭粘连问题。针对该问题提出了基于多策略的细化切分方法,对重迭粘连段该方法具有较好的切分效果。3.特征提取。特征提取对于印刷体藏文识别系统来说是一个非常重要的步骤,是实现文字识别的核心及难点。其主要目的就是提取出反映藏文字丁本质的特征序列,通过已提取的特征序列使计算机具备识别藏文文本的能力。根据藏文字符的字形和结构特征,提出了一种藏文字符混合特征的提取方法,其特征主要包括基线特征、封闭区域数特征和粗网格特征。4.分类识别。提取特征后,下一步就是与特征库进行分类匹配,最终达到识别效果。在识别过程中分类器的设计是很关键的问题。分类器的好坏直接影响识别的准确率。所以设计了基于藏文混合特征的二级分类器。该分类器可以弥补小维度特征和大维度特征之间的缺陷,在识别过程中提高了速度和精确度。最后通过实验测试,本课题开发的印刷体藏文识别系统具有较好的识别效果,识别率达到了83.24%,但与此同时,还有一些模块功能需要进一步完善和提高。(本文来源于《青海民族大学》期刊2019-06-30）
周瑶[4]（2019）在《印刷体数学公式识别算法应用研究与系统研发》一文中研究指出随着人工智能技术和互联网的渗透,在线教育发展迅猛。在高等数学在线教育中,大量数学公式存在于教学文档和作业题目中。数学公式结构复杂,识别难度大,其识别效果还不理想。本文通过研究印刷体数学公式识别技术,将其应用于微积分学习平台。首先,本文通过分析印刷体数学公式特点,重构数学字符标准库。该标准库充分考虑了印刷体数学公式的表现形式,以及数学公式字号大小、粗细体、正斜体、各种字体类型等差异性,涵盖数字、字母、数学符号等115个字符类别,共计字符样本21850个。其次,通过数值实验的方式,比较分析并验证OCR识别法、模板匹配法、ML方法等字符识别方法,最终选择支持向量机(Support Vector Machines,SVM)算法进行公式识别,效果最佳。此外,进一步提取字符特征,提升公式识别精度,实验结果显示识别精度约97.7%,识别结果良好。然后,基于字符的位置特征,并结合公式分布特点,采用数学公式结构分析方法,实现数学公式识别。在数学公式识别算法研究的基础上,用Python+PyQt5+Pycharm开发了一套印刷体数学公式识别系统。该系统能实现常规数学公式的识别,以及完成常规的数学公式图片处理工作。最后,通过设计微积分学习平台,该平台可通过用户行为数据分析,结合推荐算法,基于学生提问的题目,实现智能推荐解题思路、学习方法等,提升平台用户体验度和用户学习效率。通过精准的公式识别算法,能实现教师学生的高效协同,教学工作的个性化和去中心化。(本文来源于《华南理工大学》期刊2019-04-15）
李小立[5]（2018）在《基于BP神经网络的印刷体汉字识别》一文中研究指出本文通过实验,使用BP神经网络训练对印刷体汉字进行识别。识别流程简单,且识别效果较理想、识别速度较快。文中分析了对印刷体汉字进行识别时使用的预处理方法,以及对汉字进行分割算法等。(本文来源于《智库时代》期刊2018年45期）
林琴,夏俊峰,涂铮铮,郭玉堂[6]（2019）在《基于帧特征及维特比解码的手写体与印刷体分类》一文中研究指出为有效区分手写体与印刷体,提出了一种基于卷积神经网络隐层帧特征的分类方法。基于卷积神经网络,提取隐层帧特征,利用高斯混合模型结合隐马尔可夫模型的方法对该特征进行建模,再通过维特比解码算法判定每帧特征的类别。基于帧特征的识别结果,结合文本行图像信息对识别结果进行后处理,确定最终的手写体和印刷体的区域。在签名文书类文本行图像上,相比基线,所提方法对手写体与印刷体分类的识别率提升10.8%和27.57%。在自然场景、表格和带噪文档行验证了其有效性。(本文来源于《激光与光电子学进展》期刊2019年06期）
黄扬,许晓青,任垚媞[7]（2018）在《追溯汉字印刷体的“前世今生”》一文中研究指出“汉字的印刷字体要有共性，尤其重心一致特别重要。字的重心有高有低，排在一起，看的时候视线就会忽高忽低，阅读起来比较吃力，所以字的重心一定要居中。”年近九旬的徐学成7月24日在“活字生香”活字文化艺术全国巡展开幕式上说。上世纪60年代上海印刷技术(本文来源于《中国文化报》期刊2018-07-30）
周正康[8]（2018）在《“印刷体”通行下书法艺术传承的困境》一文中研究指出中国书法史就是汉字手写史。目前,由于"印刷体"通行使用,中国人当下已经被"印刷体""包裹",汉字手工书写功能已经被搁置一边。汉字已经失去了手写感情的抒怀热情和人文情感输入的温度,字形虽在,神采已无的电脑"印刷体"其实是一把双刃剑,"印刷体"对于书法艺术的发展而言,直接导致手写功能的闲置荒废,面对手写功能的丢失,书法艺术传承的形势非常严峻。文字是人类文明发展延续的历史芯片,而书写,无疑是激活书法艺术灵魂的唯一手段,一旦抛开了书写,也就关闭了书法艺术灵魂向外展现的通道。仅仅将文字笔画构件及其机械地安置摆放在分配合理的一个空间里的印刷,其实是一个多么可怕的结字硬伤。(本文来源于《滇西科技师范学院学报》期刊2018年02期）
王贺[9]（2018）在《电子卷宗手写体与印刷体分割的关键技术研究》一文中研究指出2016年7月28日,最高人民法院印发了《关于全国推进人民法院电子卷宗随案同步生成和深度应用的指导意见》。随后电子卷宗随案同步生成和深度应用工作在全国范围内展开,目的是将各类案件办理过程中收集和产生的诉讼文件,通过扫描仪同步转化为电子卷宗,同时通过文字识别技术实现电子卷宗自动归入对应目录。这一实现将对法院案件管理水平、办案质量和效率的提高,具有十分重要的意义。但是考虑到实际生成的电子卷宗大多同时含有手写体与印刷体,并且目前存在的文字识别技术都仅仅针对某一种字体形式的情况,所以研究如何将电子卷宗中手写体与印刷体分割开后再分别进行不同的文字识别处理以提高识别准确率的技术显得很有必要和紧迫。本文围绕电子卷宗中手写体与印刷体分割的关键技术展开研究,主要研究内容和创新点如下:首先,考虑到颜色本身难以提供关键的信息和简化信息的需要,对电子卷宗做灰度化和二值化处理,将文字和背景分开。其次,针对电子卷宗生成过程中出现的角度倾斜问题,在二值化图像的基础上分析一种有效的几何校正处理方法。把目前常用的图像倾斜角检测方法包括Hough变换法、投影法、交叉相关性方法、K-最近邻簇法,运用到电子卷宗中,然后根据检测到的倾斜角对电子卷宗进行旋转校正。通过以上几种方法性能比对,最终找到最佳的电子卷宗倾斜校正方法。第叁,对倾斜校正后的电子卷宗,针对电子卷宗图像特点,提出一种自适应迭代式的手写体与印刷体的分割方法,以找到手写体和印刷体的最大可识别子图,进而进行文字字符OCR识别。在此过程中,提出了自适应行粒度的概念,紧接着根据自适应行粒度对电子卷宗进行行分割,然后对行分割后得到的子区域再进行列分割,将其中空白的区域去掉。第四,对列分割后含有手写体的文字列进行手写体与印刷体的剥离,提出了一种基于团的连通区域轮廓提取方法。对不含有手写体的文字列,再进行基于自适应行粒度的行分割。通过这样不断的分割,不断的缩小可识别的文字区域,实现手写体与印刷体的分割。最后,选取实际生成的电子卷宗300份,在Windows10操作系统的PC机上,使用Visual Studio 2013开发环境对上述分割方法进行实验测试。最终实验结果表明,本文提出的自适应迭代式手写体与印刷体分割方法对电子卷宗适用,可以得到较理想的分割效果。(本文来源于《南昌大学》期刊2018-06-02）
魏琦[10]（2018）在《基于深度学习的印刷体文档中数学公式的检测》一文中研究指出用计算机读懂数学公式是一件很有实际意义的工作。但是文档中的数学公式大多被自然语言环绕,自动抽取和理解文档图像中的公式很困难。因此,开发一款任何国家语言都适用的数学公式识别系统就是一件既有意义又很重要的工作,也是一个有趣的挑战。数学公式提取作为公式识别系统的第一步,目前的研究还存在一些问题。现有对数学公式提取的研究主要分为两种:1.对独立行公式的提取;2对内嵌公式的提取。研究背景主要分为中文和英文。不同背景下采用不同的处理方法,对内嵌和独立行公式亦采用不同的处理方法。目前还没有一种既能同时处理不同背景下且用同一种方法处理独立与内嵌公式的公式提取方法。且现有方法一直未能有效的解决这些问题:1.文本中的项目和公式标号错识别为公式;2.中文背景下连续的字母错识别为公式;3.图表中包含的公式的识别。本文提出一种基于深度学习进行公式提取的方法,将文本中出现的公式作为一类,对中英文背景下独立行与内嵌行公式的提取采用相同的处理办法,且该方法易扩展到其它文字背景下。通过比较主流的目标检测网络的工作原理和优缺点,最终选择用Faster R-CNN进行文本图像中数学公式的检测。通过采集包含中英文背景的文本图像并进行手工标注,构建数据库来训练Faster R-CNN网络,得到一个针对文本图像中数学公式检测的网络模型。通过对基础网络的选择,网络参数的调整,以及数据集的增强获得一个识别准确率更高的网络模型。并针对数据库建立时需手工进行标注耗时耗力的问题,提出了一种自动构建含目标信息的文本图片数据集的制作方法,能够有效的加快数据集的构建效率。针对检测结果中存在的定位不精准的问题,对Faster R-CNN进行了改进。通过结合多层的特征图,把这些不同层的特征图压缩到一个统一的空间,得到超特征,在其上生成候选区域,定位精度得到了一定提高。最后用利用目标检测获得的坐标文件编程自动截取图片中的公式。在200张随机获得的文档图像共包含2379个公式组成的测试集上进行验证,取得了96.51%的公式识别率,91.76%的公式提取准确率,且实验结果显示该方法有效的解决了传统方法中存在的一些问题。(本文来源于《西安邮电大学》期刊2018-06-01）
印刷体论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提起梁思成,大家一定不会陌生,他是享誉世界的教育家、历史学家、建筑学家,曾参与设计人民英雄纪念碑、中华人民共和国国徽等作品设计。终其一生,梁思成先生致力于中国古代建筑的研究和保护,为我国文化的传承做出了巨大的贡献。梁思成的一份建筑研究手稿在网络上曝光,令无数网友惊呼:太厉害了,让人叹为观止!从梁思成的手稿里,我们看到,他的绘画技巧与绘图水平已经完全是大师级的水平,标准堪比印刷体。有许多建筑系的学生直言:用电脑
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
印刷体论文参考文献
[1].公保杰,安见才让.印刷体藏文识别中字符切分方法的研究[J].计算机时代.2019
[2]..梁思成建筑研究手稿曝光，标准不输印刷体[J].青年文学家.2019
[3].公保杰.藏文印刷体识别系统的研究与实现[D].青海民族大学.2019
[4].周瑶.印刷体数学公式识别算法应用研究与系统研发[D].华南理工大学.2019
[5].李小立.基于BP神经网络的印刷体汉字识别[J].智库时代.2018
[6].林琴,夏俊峰,涂铮铮,郭玉堂.基于帧特征及维特比解码的手写体与印刷体分类[J].激光与光电子学进展.2019
[7].黄扬,许晓青,任垚媞.追溯汉字印刷体的“前世今生”[N].中国文化报.2018
[8].周正康.“印刷体”通行下书法艺术传承的困境[J].滇西科技师范学院学报.2018
[9].王贺.电子卷宗手写体与印刷体分割的关键技术研究[D].南昌大学.2018
[10].魏琦.基于深度学习的印刷体文档中数学公式的检测[D].西安邮电大学.2018