手寫體數字識別方法的研究與實現(xiàn)畢業(yè)設計(doc畢業(yè)設計論文)(已修改)
2025-07-01 22:08 本頁面
【正文】 手寫體數字識別方法的研究與實現(xiàn)摘要1 引言手寫體數字識別是文字識別中的一個研究課題，是多年來的研究熱點，也是模式識別領域中最成功的應用之一。由于識別類型較少，在實際生活中有深遠的應用需求，一直得到廣泛的重視。近年來隨著計算機技術和數字圖像處理技術的飛速發(fā)展，數字識別在電子商務、機器自動輸入等場合已經獲得成功的實際應用。盡管人們對手寫數字的研究己從事了很長時間的研究，并己取得了很多成果，但到目前為止，機器的識別本領還無法與人的認知能力相比，這仍是一個有難度的開放問題，所以對手寫數字識別的進一步研究，尋求如何更高效更準確更節(jié)能地實現(xiàn)手寫數字的自動錄入和識別的解決方案對提高經濟效益、推動社會發(fā)展都有深遠的意義。近年來, 人工神經網技術發(fā)展十分迅速, 它具有模擬人類部分形象思維的能力, 為模式識別開辟了新的途徑, 成了模擬人工智能的一種重要方法，特別是它的信息并行分布式處理能力和自學習功能等顯著優(yōu)點, 更是激起了人們對它的極大的興趣。BP（Back Propagation）網絡是神經網絡中一種，是1986年由Rumelhart和McCelland為首的科學家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W絡，可以很好地解決非線性問題，在函數逼近、模式識別和數據壓縮等方面都有很廣泛的應用。我們在認真地研究了神經網絡的基本原理和機制的基礎上, 結合手寫體數字識別這一具體課題, 提出了用BP神經網絡方法來實現(xiàn)手寫體數字識別的方案。2 手寫體數字識別概述 手寫數字識別簡述模式識別是六十年代初迅速發(fā)展起來的一門學科。由于它研究的是如何用機器來實現(xiàn)人及某些動物對事物的學習、識別和判斷能力，因而受到了很多科技領域研究人員的注意，成為人工智能研究的一個重要方面。字符識別是模式識別的一個傳統(tǒng)研究領域。從50年代開始，許多的研究者就在這一研究領域開展了廣泛的探索，并為模式識別的發(fā)展產生了積極的影響。 手寫體數字識別是多年來的研究熱點也是字符識別中的一個特別問題。手寫體數字識別在特定的環(huán)境下，如郵政編碼自動識別系統(tǒng)，稅表和銀行支票自動處理系統(tǒng)等一般情況。當涉及到數字識別時，人們往往要求識別器有很高的識別可靠性，特別是有關金額的數字識別時，如支票中填寫的金額部分，更是如此。因此針對這類問題的處理系統(tǒng)設計的關鍵環(huán)節(jié)之一就是設計出高可靠性和高識別率的手寫體數字識別方法。這個領域取得了飛速的發(fā)展，部分是由于更好的學習算法，部分是由于更優(yōu)良的訓練集。美國國家科學學會（NIST）建立了一個包含60000個經過標注的數字的數據庫，它已經成為對新的學習算法進行比較的性能測試標準。然而可以說還沒有哪個手寫體數字識別器達到完美的識別效果。在過去的數十年中，研究者們提出了許許多多的識別方法，按使用的特征不同，這些方法可以分為兩類:基于結構特征的方法和基于統(tǒng)計特征的方法。統(tǒng)計特征通常包括點密度的測量、矩、特征區(qū)域等。結構特征通常包括園、端點、交叉點、筆劃、輪廓等，一般來說，兩類特征各有優(yōu)勢。例如，使用統(tǒng)計特征的分類器易于訓練，而且對于使用統(tǒng)計特征的分類器，在給定的訓練集上能夠得到相對較高的識別率。而結構特征的主要優(yōu)點之一是能描述字符的結構，在識別過程中能有效地結合幾何和結構的知識，因此能夠得到可靠性較高的識別結果。本文針對手寫數字識別選用BP神經網絡這種基于傳統(tǒng)統(tǒng)計學基礎上的分類方法，用于分割和識別，并取得了較好的識別效果。 手寫數字識別的一般過程手寫體數字識別的過程如圖21所示，一般分為預處理、特征提取、數字串的分割、分類器、等模塊。原始圖像是通過光電掃描儀，CCD器件或電子傳真機等獲得的二維圖像信號。預處理包括對原始圖像的去噪、傾斜校正或各種濾波處理。手寫體數字具有隨意性，其字符大小、字間距、字內距變化很大，分割難度較大。手寫數字串的分割是其中最重要的環(huán)節(jié)，是制約識別率的瓶頸所在。去噪是預處理中極重要的環(huán)節(jié)。系統(tǒng)面對的是從實際環(huán)境中切分出的字符圖像，可能有粘連的邊框、隨機的墨點、切分不正確引入的其他字符筆劃等使前景點增加的噪聲，還可能有斷線等使背景增加的噪聲，目前適應各種環(huán)境的通用去噪算法還不成熟。預處理中的規(guī)格化也不僅僅是同比例的放縮，它不僅要保持拓撲不變，更要最大限度地突出所取特征。在眾多應用環(huán)境中，特征提取、分類器、多分類器集成是整個識別系統(tǒng)的核心。大體上來說特征可以分為結構特征和統(tǒng)計特征兩類。由于分類器的選擇取決于所提取的特征，因此相應的識別方法便有結構方法和統(tǒng)計方法?？傊瑥氖謱戵w數字識別原理可見，手寫體數字識別技術主要包括以下幾點:1）圖像預處理，包括彩色圖像轉成灰度圖像、二值化，歸一化，濾除干擾噪聲等。2）基于數字圖像的特征選擇和提取。3）數字
醫(yī)療健康相關推薦
鄂ICP備17016276號-1