【文章內(nèi)容簡(jiǎn)介】 友好性，產(chǎn)品的穩(wěn)定性，易用性及可行性等諸多方面。對(duì)神經(jīng)網(wǎng)絡(luò)的研究目前許多技術(shù)不能確定，正確率永遠(yuǎn)達(dá)不到 100%，只能靠近，它們之間進(jìn)行著拉鋸戰(zhàn)。由于與很多因素有關(guān)，比如作者的書寫習(xí)慣、掃描的質(zhì)量、識(shí)別運(yùn)用的 算法、學(xué)習(xí)與訓(xùn)練的樣本等，都可能影響識(shí)別正確率，所以 BP 神經(jīng)網(wǎng)絡(luò)產(chǎn)品不但需要一個(gè)核心技術(shù)，產(chǎn)品的操作使用方便性、所提供的除錯(cuò)功能及方法，也是決定產(chǎn)品好壞的重要因素 [9]。 論文組織結(jié)構(gòu) 手寫字母識(shí)別是指利用 BP 神經(jīng)網(wǎng)絡(luò)辨認(rèn)手寫英文字母的一種技術(shù)，它屬于OCR 范疇?；?BP 網(wǎng)絡(luò)的手寫英文字母識(shí)別包括兩個(gè)階段：一個(gè)是訓(xùn)練階段和一個(gè)是識(shí)別階段，這兩個(gè)階段包含輸入、預(yù)處理、特征提取、分類及輸出五個(gè)部分。本文將通過五章地內(nèi)容進(jìn)行討論，用 MATLAB 仿真得到實(shí)驗(yàn)數(shù)據(jù)并對(duì)全文進(jìn)行總結(jié)。 第一章前言當(dāng)中介紹了手寫 體數(shù)字識(shí)別的研究背景與意義、現(xiàn)狀、手寫字母的四種實(shí)現(xiàn)方法，對(duì)識(shí)別系統(tǒng)性能的評(píng)價(jià) 第二章討論了手寫英文字母識(shí)別的預(yù)處理方法，包括圖像的去噪、二值、歸一化、細(xì)化。圖像預(yù)處理的本質(zhì)是：特征提取時(shí)提取的字母特征能有效地反映手寫英文字母的本質(zhì)特征。本章中介紹了預(yù)處理的不同方法，并詳細(xì)分析各階段的顯現(xiàn)過程。 第三章主要講述英文字母的特征提取，介紹了提取的特征即實(shí)現(xiàn)方法。本文選取的特征包括重心、像素百分比密度特征、矩陣變換特征、粗網(wǎng)格特征、外輪廓特征筆劃密度特征六種方法。 第四章介紹分類器的設(shè)計(jì)原理和實(shí)現(xiàn)算法，指出 BP 網(wǎng) 絡(luò)用于手寫字母識(shí)別參數(shù)選擇。并結(jié)合提取的特征向量，確定本文采用的 BP 網(wǎng)絡(luò)的網(wǎng)絡(luò)模型。 第五章對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了分析。指出了影響正確識(shí)別率的幾個(gè)潛在的機(jī)理。 第六章對(duì)本文所作的工作進(jìn)行總結(jié)，并提出 BP 神經(jīng)網(wǎng)絡(luò)識(shí)別的工作展望。 濟(jì)南大學(xué)泉城學(xué)院畢業(yè)論文 6 2 預(yù)處理 系統(tǒng)框架 基于 BP 神經(jīng)網(wǎng)絡(luò)的手寫英文系目的識(shí)別過程分為學(xué)習(xí)階段和識(shí)別階段，學(xué)習(xí)階段和識(shí)別階段都要對(duì)樣本字母進(jìn)行預(yù)處理、特征提取，學(xué)習(xí)階段還要進(jìn)行訓(xùn)練確定穩(wěn)定的權(quán)值，識(shí)別階段還要經(jīng)過分類在輸出識(shí)別結(jié)果。 圖 系 統(tǒng)的識(shí)別框架圖 預(yù)處理概述 在進(jìn)行手寫英文字母識(shí)別時(shí)需要對(duì)所得到的手寫英文字母圖像提前進(jìn)行預(yù)處理，不同地域的人在書寫英文字母的過程中的書寫風(fēng)格不盡相同即使是同一地域的人由于山谷寫的任意性也會(huì)造成手寫字母的形式千變?nèi)f化，令外數(shù)字圖像在采集過程中，受圖像質(zhì)量、掃描性能的影響，數(shù)字圖像會(huì)帶有形變和噪聲，這些變化都會(huì)影響英文字母的識(shí)別效果，預(yù)處理的目的是消除原始圖像中的噪聲，將原來的圖像轉(zhuǎn)化為清晰的二值化圖像，便于對(duì)手寫字母的微觀結(jié)構(gòu)特征的提取。因此預(yù)處理過程的效果會(huì)對(duì)特征的提取、數(shù)字識(shí)別產(chǎn)生重要的影響。 本文采用的的字母圖像的預(yù)處理過程：去噪、二值化、歸一化和細(xì)化 。 本文預(yù)處理設(shè)計(jì) 本章的預(yù)處理過程的設(shè)計(jì) 如 圖 ： 樣本字母 預(yù)處理 特征提取 訓(xùn)練模式 待識(shí)字母 預(yù)處理 特征提取 分類 結(jié)果輸出 學(xué)習(xí)階段 識(shí)別階段 濟(jì)南大學(xué)泉城學(xué)院畢業(yè)論文 7 圖 預(yù)處理過程 去噪 我們得到的原始圖像應(yīng)書寫風(fēng)格的不同，外部環(huán)境的影響往往存在個(gè)別的孤立點(diǎn)，這就是我們說的噪音。這些孤立的點(diǎn)在圖像中是我們不想要的，必須進(jìn)行去除才能提高英文字母的識(shí)別率，如何進(jìn)行去噪本文涉及兩種方法。 （ 1）均值濾波：均值濾波是一種典型的線性濾波方式，它的工作原理是對(duì)于目標(biāo)像素存在一個(gè)模板，在 這個(gè)模板中包括目標(biāo)像素周圍的 8 個(gè)像素點(diǎn)，用著八個(gè)像素點(diǎn)的灰度平均值來代替目標(biāo)像素點(diǎn)的灰度值。均值濾波采用的主要是平均法，因此均值濾波又叫線性濾波，它是用周邊像素點(diǎn) G1（ x1,y1）至 G8（ x8,y8）(G 代表灰度 )的平均灰度 ?? ),(1 yxfmG 來代替當(dāng)前像素點(diǎn) G（ x0,y0）的灰度值， m為模板周圍像素點(diǎn)的個(gè)數(shù) [15]。 （ 2）中值濾波：相對(duì)于均值濾波來說中值濾波是一種非線性的濾波方式，它是圖像預(yù)處理中有效地去噪方式，被廣泛的應(yīng)用。中值濾波的工作原理：用一個(gè)奇數(shù)的移動(dòng)窗口，某一點(diǎn)的值 是該奇數(shù)窗口中所有像素點(diǎn)的中間值，比如說，假設(shè)窗口內(nèi)有七點(diǎn)，其值為 70、 80、 90、 200、 11 120 和 210 那么此窗口內(nèi)各點(diǎn)的中值及為 115。那么中值濾波的具體實(shí)現(xiàn)形式又是什么呢？我們?cè)O(shè)一個(gè)一維序列的數(shù)組 f1,f2,…,fn, 取移動(dòng)窗口的長度為 m（當(dāng)然 m 為奇數(shù)），我們 ,對(duì)其進(jìn)行中 值 濾 波 時(shí) ， 就 是 從 我 們 選 定 的 序 列 中 連 續(xù) 抽 出 m 個(gè)數(shù)字母圖像的預(yù)處理 字字母去噪處理 字字母二值化處理 字字母歸一化處理 字字母細(xì)化處理 濟(jì)南大學(xué)泉城學(xué)院畢業(yè)論文 8 fia,…,fi 1,fi,fi+1,…,fi+a(fi 為窗口的中心值 ,a=(m1)/2),再將這 m個(gè)點(diǎn)按其數(shù)值大小進(jìn)行排序，數(shù)值順序單調(diào)上升或單調(diào)下降，取其序號(hào)的中心點(diǎn)的那個(gè) 數(shù)作為濾波輸出。設(shè)模板窗口像素點(diǎn)的個(gè)數(shù)為 5 灰度值分別為 0、 2 經(jīng)過中值濾波函數(shù) filter 后輸出序列外 0、 8 在去中間值為 4，則 5 個(gè)像素點(diǎn) G（ x1,y1）G(x5,y5）的灰度值為 5。 均值濾波和中值濾波的比較：對(duì)于均值濾波 把目標(biāo)像素點(diǎn)都用模板周圍的 8個(gè)像素的灰度均值來代替。可以有效地對(duì)圖像進(jìn)行平滑并且速度快，算法簡(jiǎn)單。但是無法有效地去除噪聲，只能微弱的減弱噪聲。而對(duì)于非線性濾波方法也就是我們說的中值濾波 ,它是圖像預(yù)處理技術(shù)中最常用的核心處理技術(shù)。它在平滑去除噪聲方面十分有效 ,并且 它能夠保護(hù)圖像尖銳的邊緣。所以均值濾波和中值濾波都有各自的利與弊，選用哪一種濾波方式這要看我們對(duì)識(shí)別的要求。如果是用在要求識(shí)別速度快但對(duì)正確率要求必是很高的場(chǎng)合我們可以選擇運(yùn)用均值濾波的方式，如果使用在要求高正確率的場(chǎng)合，比如銀行、金融業(yè)，我們就必須運(yùn)用中值濾波來實(shí)現(xiàn)。本文要求較高的識(shí)別率選用了中值濾波來實(shí)現(xiàn)英文字母的識(shí)別。 對(duì) C 進(jìn)行濾波前后的對(duì)比如下圖： 濾波前 濾 波后 圖 手寫字符濾波前后比對(duì)圖 二值化 在數(shù)字圖像的處理當(dāng)中，二值圖像有著非常重要的地位。第一，圖像二值化后有利于圖像的進(jìn)一步處理，使圖像變得簡(jiǎn)單，而且整體數(shù)據(jù)量減小，能凸顯出的圖像的整體輪廓。第二，要進(jìn)行二值圖像的處理與分析，首先要把 0255 的灰度圖像進(jìn)行二值化，得到二值化圖像。圖像的二值化就是將圖像上的像素點(diǎn)的灰度值設(shè)置為 0 或 1， 0 代表白色（或黑色）， 1 代表黑色（或白色）也就是將整個(gè)圖像呈現(xiàn)出灰度為 0 或 255 明顯的黑白效果。二值化在 matlab 中是如何實(shí)現(xiàn)的呢？ 256 個(gè)亮度等級(jí)的灰度 圖像經(jīng)過選取適當(dāng)?shù)拈y值而仍然可以獲得反映圖像局部和整體特征的二值化圖像。 濟(jì)南大學(xué)泉城學(xué)院畢業(yè)論文 9 ??? ??? Tyxf Tyxf ),(,1 ),(,0y)f ( x, （ ） 如公式（ ） 所有灰度大于或等于 選定 閥值 T，即 ?（ x,y) =T ， 的像素被判定為屬于特定物體，其灰度值 變 為 255 用 1（或 0）來表示 ，否則 ，即 ?（ x,y)T這些像素點(diǎn)被排除在物體區(qū)域 之 外，灰度值為 0， 用 0（或 1）來表示， 表示背景或例外的物體區(qū)域。 圖 像的二值化過程運(yùn)用了許多的算法大體可以分為兩類一類是全局閥值；一類是局部閥值。對(duì)于全局閥值來說選取閥值 T 整幅圖像當(dāng)中凡是大于閥值 T 的均為 1，相反只要小于閥值 T 則為 0 二對(duì)于局部閥值來說首先要對(duì)圖像進(jìn)行分割，每一部分的閥值 T 是不一樣的實(shí)質(zhì)就是進(jìn)行圖像的局部二值化。有效地確定閥值所得到得二值化圖像可以提高英文字母的正確識(shí)別率。最大類間方差方法是二值化全局閾值算法的最為杰出的代表之一。它是由 Otsu 于 1979 年提出的一種基于判別式分析的方法?；鞠敕ㄊ且宰罴验T限將圖像灰度直方圖分割成兩部分，使兩部分類間方差取最大值 ，即分離性最大。把圖像中的像素按灰度級(jí)閥值 T分成兩大類 C0和 C1C0=（ 0、 1……T ） C1=(T、 T+1……255) 若用 σ 2w 、σ 2B、σ 2T表示 示類內(nèi)、類間和總體建立三個(gè)函數(shù)式 [11]： ???22WB? ??? 22TB? ??? 22WT? （ ） 則最優(yōu)值 ?2ma x rg BAT ? （ ） TE{ 0,1,L?1} 運(yùn)用這種方法計(jì)算簡(jiǎn)單，穩(wěn)定且有效，是實(shí)際應(yīng)用中經(jīng)常采用的方法之一。 我們用這種方法確定了閾值是 ，如圖 ： 二值化前 二值化后 圖 值化前后圖像 對(duì)于我們要鑒定的字 母二值化前后 的字母矩陣 是什么變化呢？ 以 125為閾 值舉例， 運(yùn)行程序后字母矩陣得到如下表結(jié)果 濟(jì)南大學(xué)泉城學(xué)院畢業(yè)論文 10 表 字母二值化前后的矩陣 （ a）二值化前 (b)二值化后 45 78 221 78 90 47 217 85 234 0 48 128 178 127 29 128 26 4 90 179 94 124 93 87 1 歸一化 我們所要鑒定的字符的大小規(guī)格不盡相同， 這對(duì)后續(xù)英文字母的特征提取，識(shí)別操作環(huán)節(jié)會(huì)造成一定的障礙。將每個(gè)數(shù)字圖像統(tǒng)一到同一的高度和寬度，這就是圖像的歸一化。 基本上歸一化思想是利用圖像的不變矩尋找一組參數(shù)使其能夠消除其他變換函數(shù)對(duì)圖像變換的影響。也就是轉(zhuǎn)換成唯一的標(biāo)準(zhǔn)形式以抵抗仿射變換。還有一種歸一化思想在 matlab 里圖像數(shù)據(jù)有時(shí)候必須是浮點(diǎn)型才能處理，而圖像數(shù)據(jù)本身是 0255 的 UNIT 型數(shù)據(jù)所以需要?dú)w一化，轉(zhuǎn)換到 01 之間。 歸一化使得所有的圖像在識(shí)別之前都在同一個(gè)起跑線是 為了加快訓(xùn)練網(wǎng)絡(luò)的收斂性，歸一化的具體作用是歸納統(tǒng)一樣本的統(tǒng)計(jì)分布性。歸一歸一化有同一、統(tǒng)一和合一的意思。無論是為了建模還是為了計(jì)算，首先基本度量單位要同一，神經(jīng)網(wǎng)絡(luò)是以樣本在事件中的統(tǒng)計(jì)分別幾率來進(jìn)行訓(xùn)練（概率計(jì)算）和預(yù)的。 本文采用的是尺寸上的歸一花，歸一化通常有兩種形式：一種是外輪廓?dú)w一化，另一種是重心的一化 可以得到筆劃均勻分布的圖。重心到中心歸一化后的坐標(biāo)由式 [12]： ))1()1((),( ?????? ?? vhvufvuf （ ） 公式當(dāng)中： w為圖像的 寬度， h為圖像的高度 外輪廓?dú)w一化的原理是利用圖像的伸縮性得到一定尺寸的圖像 .具體的算法如下：首先得到原來字符的高度，并與系統(tǒng)要求的高度進(jìn)行比較，得到長或?qū)挼淖儞Q系數(shù)，然后根據(jù)得到的變換系數(shù)求得圖像變換后的寬度和高度。在得到寬度和高度之后，把新圖像里面的點(diǎn)映射到原圖像中。歸一化把原始的圖像放大成一個(gè)相同規(guī)格的全新的字符圖像，其中新增加的像素其灰度值只是基于原始字符圖0 0 1 0 0 0 1 0 1 0 0 1 1 1 0 1 0 0 0 1 0 0 0 0 0 濟(jì)南大學(xué)泉城學(xué)院畢業(yè)論文 11 像所派生出來的，所以圖像的信息量并未增加，但使得圖像更易于處理有利于提高識(shí)別率。 歸一化前后的對(duì)比字符（如下）： 圖 歸一化前 歸一化后 細(xì)化 在樣本圖像的識(shí)別過程當(dāng)中細(xì)化處理能夠有效的提高字符的識(shí)別率，圖像的細(xì)化過程實(shí)際上就是圖像的核心骨架的提取過程。因?yàn)樵谧R(shí)別過程當(dāng)中印刷體和手寫體對(duì)識(shí)別正確率有影響，不同的英文字體以及不同人的書寫形式都對(duì)識(shí)別的正確率產(chǎn)生重要的影響，但是每個(gè)英文字母的核心骨架是不會(huì)有很大的變化，這樣字符的細(xì)化處理可有效的消除這種不利的影響提高是別的正確率。 細(xì)化的算法有兩種：一種是非迭代一次細(xì)化完成 ，如圖（ 細(xì)化后圖像） ；一種是迭代 N 次細(xì)化完 成。 細(xì)化就是就是在保留原始圖像的拓?fù)浣Y(jié)構(gòu)的基礎(chǔ)上盡可能的消去二值圖像邊緣的像素將待識(shí)別字符的寬度減少為 1，即為單像素寬度，這個(gè)過程就是字符的細(xì)化。 對(duì)字符進(jìn)行細(xì)化的過程當(dāng)中我們選取算法是要有一定的準(zhǔn)則： (1)細(xì)化算法不應(yīng)該改變待識(shí)字符的連續(xù)性。 (2)細(xì)化算法不應(yīng)該去除重要點(diǎn)例如拐點(diǎn)。 (3)算法不應(yīng)該對(duì)噪聲敏感，即當(dāng)待識(shí)字符邊界上出現(xiàn)噪聲時(shí)，對(duì)細(xì)化結(jié)果不產(chǎn)生影響。 (4)細(xì)化后的圖像要有效地保留原圖像的核心骨架結(jié)構(gòu)，比如保留細(xì)化前圖像的拓?fù)浣Y(jié)構(gòu)等。 細(xì)化前后我們用簡(jiǎn)單的二值化矩陣（如下）舉例來表示： Example: L = 0 0 0 0 0 0 0 0 0 0