Character Recognition Systems: A Guide for Students and Practitioners
暫譯: 字符識別系統：學生與實務者指南
Mohamed Cheriet, Nawwaf Kharma, Cheng-Lin Liu, Ching Suen
- 出版商: Wiley
- 出版日期: 2007-10-01
- 定價: $3,980
- 售價: 9.5 折 $3,781
- 語言: 英文
- 頁數: 360
- 裝訂: Hardcover
- ISBN: 0471415707
- ISBN-13: 9780471415701
-
相關分類:
Text-mining
立即出貨 (庫存=1)
買這商品的人也買了...
-
$539Principles of Geotechnical Engineering -
Linux 程式設計教學手冊$780$616 -
$1,680High Dynamic Range Imaging: Acquisition, Display, and Image-Based Lighting -
Visual C# 2005 初學指引$580$493 -
Joomla 1.5.x 網站架設寶典$490$387 -
Video Demystified, 5/e: A Handbook for the Digital Engineer$3,540$3,363 -
現代嵌入式系統開發專案實務－菜鳥成長日誌與專案經理的私房菜$600$480 -
MIS 全能網管工具箱$300$255 -
C# 資料庫開發經典案例解析$580$458 -
SolidWorks 2008 原廠教育訓練手冊$850$808 -
精通 Python 3 程式設計, 2/e (Programming in Python 3: A Complete Introduction to the Python Language, 2/e)$680$537 -
$1,575Essential Scrum: A Practical Guide to the Most Popular Agile Process (Paperback) -
網站排名的秘密：最多人想知道的 SEO 關鍵問答$520$442 -
2014 資訊科技概論 (含 Office 2010 應用)$420$332 -
實戰雲端作業系統建置與維護－VMware vSphere 5.5 虛擬化全面啟動$690$545 -
Continuous Delivery 中文版：利用自動化的建置、測試與部署完美創造出可信賴的軟體發佈 (Continuous Delivery: Reliable Software Releases through Build, Test, and Deployment Automation)$650$507 -
啊哈！圖解演算法必學基礎$350$277 -
養成 iOS 8 App 程式設計實力的 25 堂課－最新 Swift 開發教學(A Practical Guide to Building Your First App from Scratch: Beginning iOS 8 Programming with Swift)$580$452 -
Android 程式設計入門、應用到精通--增訂第三版 (適用 5.X~1.X, Android Wear 穿戴式裝置)$560$442 -
實戰 Wireshark｜網路分析其實很簡單$450$356 -
AngularJS 建置與執行 (AngularJS: Up and Running: Enhanced Productivity with Structured Web Apps)$520$411 -
Python 程式設計入門 (適用於 2.x 與 3.x 版)$620$484 -
Make: 感測器｜運用 Arduino 和 Raspberry Pi 感測的專題與實驗(Make: Sensors: A Hands-On Primer for Monitoring the Real World with Arduino and Raspberry Pi)$580$458 -
電玩物理學, 2/e (Physics for Game Developers: Science, math, and code for realistic effects, 2/e)$880$695 -
Make 國際中文版 vol.17 (Make: Volume 41 英文版)$260$234
商品描述
Description
Character Recognition Systems discusses character recognition, a process by which text-based input patterns produce meaningful output. Through the use of practical examples and theoretical concepts, the authors discuss feature extraction and selection, pattern recognition, as well as relevant issues such as the recognition of bank accounts, signature verification, and postal address recognition.
Table of Contents
Figures.List of Tables.
Preface.
Acknowledgments.
Acronyms.
1. Introduction: Character Recognition, Evolution and Development.
1.1 Generation and Recognition of Characters.
1.2 History of OCR.
1.3 Development of New Techniques.
1.4 Recent Trends and Movements.
1.5 Organization of the Remaining Chapters.
References.
2. Tools for Image Pre-Processing.
2.1 Generic Form Processing System.
2.2 A Stroke Model for Complex Background Elimination.
2.2.1 Global Gray Level Thresholding.
2.2.2 Local Gray Level Thresholding.
2.2.3 Local Feature Thresholding-Stroke Based Model.
2.2.4 Choosing the Most Efficient Character Extraction Method.
2.2.5 Cleaning up Form Items Using Stroke Based Model.
2.3 A Scale-Space Approach for Visual Data Extraction.
2.3.1 Image Regularization.
2.3.2 Data Extraction.
2.3.3 Concluding Remarks.
2.4 Data Pre-Processing.
2.4.1 Smoothing and Noise Removal.
2.4.2 Skew Detection and Correction.
2.4.3 Slant Correction.
2.4.4 Character Normalization.
2.4.5 Contour Tracing/Analysis.
2.4.6 Thinning.
2.5 Chapter Summary.
References 72.
3. Feature Extraction, Selection and Creation.
3.1 Feature Extraction.
3.1.1 Moments.
3.1.2 Histogram.
3.1.3 Direction Features.
3.1.4 Image Registration.
3.1.5 Hough Transform.
3.1.6 Line-Based Representation.
3.1.7 Fourier Descriptors.
3.1.8 Shape Approximation.
3.1.9 Topological Features.
3.1.10 Linear Transforms.
3.1.11 Kernels.
3.2 Feature Selection for Pattern Classification.
3.2.1 Review of Feature Selection Methods.
3.3 Feature Creation for Pattern Classification.
3.3.1 Categories of Feature Creation.
3.3.2 Review of Feature Creation Methods.
3.3.3 Future Trends.
3.4 Chapter Summary.
References.
4. Pattern Classification Methods.
4.1 Overview of Classification Methods.
4.2 Statistical Methods.
4.2.1 Bayes Decision Theory.
4.2.2 Parametric Methods.
4.2.3 Non-ParametricMethods.
4.3 Artificial Neural Networks.
4.3.1 Single-Layer Neural Network.
4.3.2 Multilayer Perceptron.
4.3.3 Radial Basis Function Network.
4.3.4 Polynomial Network.
4.3.5 Unsupervised Learning.
4.3.6 Learning Vector Quantization.
4.4 Support Vector Machines.
4.4.1 Maximal Margin Classifier.
4.4.2 Soft Margin and Kernels.
4.4.3 Implementation Issues.
4.5 Structural Pattern Recognition.
4.5.1 Attributed String Matching.
4.5.2 Attributed Graph Matching.
4.6 Combining Multiple Classifiers.
4.6.1 Problem Formulation.
4.6.2 Combining Discrete Outputs.
4.6.3 Combining Continuous Outputs.
4.6.4 Dynamic Classifier Selection.
4.6.5 Ensemble Generation.
4.7 A Concrete Example.
4.8 Chapter Summary.
References.
5. Word and String Recognition.
5.1 Introduction.
5.2 Character Segmentation.
5.2.1 Overview of Dissection Techniques.
5.2.2 Segmentation of Handwritten Digits.
5.3 Classification-Based String Recognition.
5.3.1 String Classification Model.
5.3.2 Classifier Design for String Recognition.
5.3.3 Search Strategies.
5.3.4 Strategies for Large Vocabulary.
5.4 HMM-Based Recognition.
5.4.1 Introduction to HMMs.
5.4.2 Theory and Implementation.
5.4.3 Application of HMMs to Text Recognition.
5.4.4 Implementation Issues.
5.4.5 Techniques for Improving HMMs’ Performance.
5.4.6 Summary to HMM-Based Recognition.
5.5 Holistic Methods For Handwritten Word Recognition.
5.5.1 Introduction to Holistic Methods.
5.5.2 Overview of Holistic Methods.
5.5.3 Summary to Holistic Methods.
5.6 Chapter Summary.
References.
6. Case Studies.
6.1 Automatically Generating Pattern Recognizers with Evolutionary Computation.
6.1.1 Motivation.
6.1.2 Introduction.
6.1.3 Hunters and Prey.
6.1.4 Genetic Algorithm.
6.1.5 Experiments.
6.1.6 Analysis.
6.1.7 Future Directions.
6.2 Offline Handwritten Chinese Character Recognition.
6.2.1 Related Works.
6.2.2 System Overview.
6.2.3 Character Normalization.
6.2.4 Direction Feature Extraction.
6.2.5 Classification Methods.
6.2.6 Experiments.
6.2.7 Concluding Remarks.
6.3 Segmentation and Recognition of Handwritten Dates on Canadian Bank Cheques.
6.3.1 Introduction.
6.3.2 System Architecture.
6.3.3 Date Image Segmentation.
6.3.4 Date Image Recognition.
6.3.5 Experimental Results.
6.3.6 Concluding Remarks.
References.
商品描述(中文翻譯)
**描述**
《字符識別系統》討論了字符識別，這是一個通過文本輸入模式產生有意義輸出的過程。作者通過實際範例和理論概念，討論了特徵提取和選擇、模式識別，以及相關問題，如銀行帳戶識別、簽名驗證和郵寄地址識別。
**目錄**
圖表。
表格清單。
前言。
致謝。
縮寫詞。
**1. 介紹：字符識別的演變與發展。**
1.1 字符的生成與識別。
1.2 光學字符識別（OCR）的歷史。
1.3 新技術的發展。
1.4 最近的趨勢與動向。
1.5 剩餘章節的組織。
參考文獻。
**2. 圖像預處理工具。**
2.1 通用表單處理系統。
2.2 用於複雜背景消除的筆劃模型。
2.2.1 全局灰度閾值處理。
2.2.2 局部灰度閾值處理。
2.2.3 基於筆劃的局部特徵閾值處理模型。
2.2.4 選擇最有效的字符提取方法。
2.2.5 使用基於筆劃的模型清理表單項目。
2.3 一種用於視覺數據提取的尺度空間方法。
2.3.1 圖像正規化。
2.3.2 數據提取。
2.3.3 總結性評論。
2.4 數據預處理。
2.4.1 平滑與噪聲去除。
2.4.2 傾斜檢測與校正。
2.4.3 傾斜校正。
2.4.4 字符正規化。
2.4.5 輪廓追蹤/分析。
2.4.6 瘦身處理。
2.5 章節總結。
參考文獻 72。
**3. 特徵提取、選擇與創建。**
3.1 特徵提取。
3.1.1 矩。
3.1.2 直方圖。
3.1.3 方向特徵。
3.1.4 圖像配準。
3.1.5 霍夫變換。
3.1.6 基於線的表示。
3.1.7 傅里葉描述子。
3.1.8 形狀近似。
3.1.9 拓撲特徵。
3.1.10 線性變換。
3.1.11 核。
3.2 用於模式分類的特徵選擇。
3.2.1 特徵選擇方法回顧。
3.3 用於模式分類的特徵創建。
3.3.1 特徵創建的類別。
3.3.2 特徵創建方法回顧。
3.3.3 未來趨勢。
3.4 章節總結。
參考文獻。
**4. 模式分類方法。**
4.1 分類方法概述。
4.2 統計方法。
4.2.1 貝葉斯決策理論。
4.2.2 參數方法。
4.2.3 非參數方法。
4.3 人工神經網絡。
4.3.1 單層神經網絡。
4.3.2 多層感知器。
4.3.3 径向基函數網絡。
4.3.4 多項式網絡。
4.3.5 無監督學習。
4.3.6 向量量化學習。
4.4 支持向量機。
4.4.1 最大邊界分類器。
4.4.2 軟邊界與核。
4.4.3 實施問題。
4.5 結構模式識別。
4.5.1 屬性字符串匹配。
4.5.2 屬性圖匹配。
4.6 結合多個分類器。
4.6.1 問題表述。
4.6.2 結合離散輸出。
4.6.3 結合連續輸出。
4.6.4 動態分類器選擇。
4.6.5 集成生成。
4.7 一個具體範例。
4.8 章節總結。
參考文獻。
**5. 單詞與字符串識別。**
5.1 介紹。
5.2 字符分割。
5.2.1 解剖技術概述。
5.2.2 手寫數字的分割。
5.3 基於分類的字符串識別。
5.3.1 字符串分類模型。
5.3.2 字符串識別的分類器設計。
5.3.3 搜索策略。
5.3.4 大詞彙的策略。
5.4 基於隱馬爾可夫模型（HMM）的識別。
5.4.1 HMM簡介。
5.4.2 理論與實施。
5.4.3 HMM在文本識別中的應用。
5.4.4 實施問題。
5.4.5 改善HMM性能的技術。
5.4.6 基於HMM的識別總結。
5.5 手寫單詞識別的整體方法。
5.5.1 整體方法簡介。
5.5.2 整體方法概述。
5.5.3 整體方法總結。
5.6 章節總結。
參考文獻。
**6. 案例研究。**
6.1 使用進化計算自動生成模式識別器。
6.1.1 動機。
6.1.2 簡介。
6.1.3 獵人與獵物。
6.1.4 遺傳算法。
6.1.5 實驗。
6.1.6 分析。
6.1.7 未來方向。
6.2 離線手寫中文字符識別。
6.2.1 相關工作。
6.2.2 系統概述。
6.2.3 字符正規化。
6.2.4 方向特徵提取。
6.2.5 分類方法。
6.2.6 實驗。
6.2.7 總結性評論。
6.3 加拿大銀行支票上手寫日期的分割與識別。
6.3.1 簡介。
6.3.2 系統架構。
6.3.3 日期圖像分割。
6.3.4 日期圖像識別。
6.3.5 實驗結果。
6.3.6 總結性評論。
參考文獻。
