【正文】 %斜率不存在時,y 值固定 else Y=(yy0)*(Xx0)/(xx0)+y0。 %當(dāng)斜率存在， k=(yy0)/(xx0)=0第四章 手寫體數(shù)字識別系統(tǒng)設(shè)計分析 24 end line( X ,Y, 39。marker39。, 39。.39。,39。markerSize39。,30, 39。LineStyle39。,39。39。,39。LineWidth39。,4,39。Color39。,39。black39。)。 x0=x。y0=y。 %記住當(dāng)前點坐標 case 39。stop39。, set(gcf, 39。WindowButtonMotionF39。, 39。39。)。end這段代碼所實現(xiàn)的功能是鼠標跟隨，即單擊左鍵，會進行鼠標更隨，松開左鍵，會釋放更隨命令。另外，line( X ,Y, 39。marker39。, 39。.39。,39。markerSize39。,30, 39。LineStyle39。,39。39。,39。LineWidth39。,4,39。Color39。,39。black39。)。 這行代碼，設(shè)置了鼠標跟隨功能里的兩個標記，一個是代碼 30的點標記，一個是代碼為 4 的線標記，字色是黑色，這個設(shè)置實現(xiàn)了手寫體數(shù)字在寫字板上的書寫。最后，在寫字板輸入的過程中，還需要保存手寫出的圖片，然后才能進行識別，具體流程如圖 所示： 手寫數(shù)字 單擊保存按鈕 選擇保存路徑顯示結(jié)果返回或者退出擦除圖414 寫字板輸入的流程圖保存部分的代碼如下：[FileName,PathName] = uiputfile({39。*.jpg39。,39。JPEG(*.jpg)39。... 39。*.bmp39。,39。Bitmap(*.bmp)39。... 39。*.gif39。,39。GIF(*.gif)39。... 39。*.*39。, 39。All Files (*.*)39。},... 39。Save Picture39。,39。shengchengwenjian\ xzbsbqt 39。)。if FileName==0 return。else h=getframe()。石河子大學(xué)學(xué)士學(xué)位論文25 imwrite(,[PathName,FileName])。end第五章 系統(tǒng)性能評價及實驗結(jié)果分析 識別系統(tǒng)性能的評價作為一個識別系統(tǒng)，我們最終要用某些參數(shù)來評價其性能的高低，手寫數(shù)字識別也不例外。評價的指標除了借用一般文字識別里的通常做法外，還要根據(jù)數(shù)字識別的特點進行修改和補充 [22]。對一個手寫數(shù)字識別系統(tǒng)，可以用三方面的指標表征系統(tǒng)的性能：正確識別率 A=正確識別樣本數(shù)/全部樣本數(shù)*100%替代率（誤識率）S=誤識樣本數(shù)/全部樣本數(shù)*100%拒識率 R=拒識樣本數(shù) /全部樣本數(shù)*100%三者的關(guān)系是：A+S+R=100%數(shù)字識別的應(yīng)用中，人們往往很關(guān)心的一個指標是“識別精度” ，即：在所有識別的字符中，除去拒識字符，正確識別的比例有多大，我們定義：識別精度 P=A/(A+S)*100%。一個理想的系統(tǒng)應(yīng)是 R，S 盡量小，而 P，A 盡可能大。而在一個實際系統(tǒng)中，S ，R 是相互制約的，拒識率 R 的提高總伴隨著誤識率 S 的下降，與此同時識別率 A 和識別精度 P 的提高。因此，在評價手寫數(shù)字識別系統(tǒng)系統(tǒng)時，我們必須綜合考慮這幾個指標。另外，由于手寫數(shù)字的書寫風(fēng)格、工整程度可以有相當(dāng)大的差別，因此必須弄清一個指標在怎樣的樣本集合下獲得的。 實驗結(jié)果分析在實驗過程中，我們以三組樣本作為訓(xùn)練樣本對知識庫的參數(shù)進行調(diào)整，這三組訓(xùn)練樣本分別為 100 個標準字體存在的樣本，100 個手寫體樣本，以及1000 個手寫體樣本，利用攝像頭輸入的手寫體樣本訓(xùn)練結(jié)果如表 所示，直接讀圖的手寫體樣本訓(xùn)練結(jié)果如表 所示，利用手寫板輸入的手寫體樣本訓(xùn)練結(jié)果如表 所示。由表 所示，因為攝像頭識別會受到光線，攝像頭像素等客觀條件的影響，所以每次每個樣本測試出的結(jié)果有可能略有不同，因此利用攝像頭輸入的手寫體數(shù)字識別率較低，才有 52%。而由表 所示，以標準字體存在的手寫體數(shù)字識石河子大學(xué)學(xué)士學(xué)位論文 26別率較高，達到了 84%。由表 所示，字符 0、9 的誤識率較高，這是由于它們的標準特征向量距離較小，需要通過增添標準庫等方法對此情況進行改進。實驗結(jié)果表明，基于所用結(jié)構(gòu)模型和知識庫的識別方法對規(guī)范手寫體數(shù)字是可行的，具有較高的識別率及較好的抗噪性能，也可以識別一定條件下的自由手寫體數(shù)字。為了提高識別率和可靠性，除了要增強對噪聲的濾除能力外，還要增大知識庫，以解決細化中出現(xiàn)的結(jié)構(gòu)畸變問題，這些都有待我們進一步的研究。表 51 利用攝像頭輸入的手寫體訓(xùn)練結(jié)果 表 52 直接讀圖的手寫體訓(xùn)練結(jié)果表 53 利用手寫板輸入 的手寫體訓(xùn)練結(jié)果數(shù)字類別正識樣本數(shù)誤識樣本數(shù) 識別率0 4 6 40%1 5 5 50%2 4 6 40%3 5 5 50%4 7 3 70%5 6 4 60%6 5 5 50%7 3 7 30%8 7 3 70%9 6 4 60%合計 52 48 52%數(shù)字類別正識樣本數(shù)誤識樣本數(shù) 識別率0 6 4 60%1 8 2 80%2 9 1 90%3 9 1 90%4 9 1 90%5 9 1 90%6 7 3 70%7 9 1 90%8 9 1 90%9 9 1 90%合計 84 16 84%數(shù)字類別正識樣本數(shù)誤識樣本數(shù) 識別率0 60 40 60%1 86 14 86%2 65 35 65%3 89 11 89%4 61 39 61%5 90 10 90%6 92 8 92%7 85 15 85%8 73 27 73%第五章 系統(tǒng)性能評價及實驗結(jié)果分析27第六章 結(jié)論 畢業(yè)設(shè)計總結(jié)經(jīng)過這段時間的努力，我們的畢業(yè)設(shè)計終于如期完成。在這期間，我們查閱了大量的文獻，對手寫數(shù)字識別做了比較深刻的了解，并實現(xiàn)在 Matlab 環(huán)境中識別數(shù)字。結(jié)果表明對所做數(shù)字的識別率還是比較高，基本達到要求。本論文是對本次畢業(yè)設(shè)計的總結(jié)，主要做的工作有以下幾點：（1）查閱文獻資料，對手寫數(shù)字識別進行調(diào)研，找出系統(tǒng)設(shè)計的幾種方法。（2）熟悉 Matlab 編程環(huán)境，并對 Matlab 語言進行深入的學(xué)習(xí)。（3）實現(xiàn)基于特征提取的手寫識別系統(tǒng)的編寫工作。（4）對系統(tǒng)進行調(diào)試和進一步優(yōu)化。本次畢業(yè)設(shè)計還存在較多需改善和完善的工作，具體有以下兩點：手寫數(shù)字變形問題是非特定人脫機手寫數(shù)字識別中的關(guān)鍵問題，在模版匹配的過程中，由于手寫變形的存在，單模板字典顯得不足，因此有必要生成多模板字典，但在本設(shè)計中，由于人力等問題，樣本庫中的樣本無法達到成百上千的數(shù)目，因而識別率不是很高。特征提取過程中的特征抽取是模式識別的一個重要環(huán)節(jié)，抽取穩(wěn)定且有效的特征是識別系統(tǒng)成功的關(guān)鍵。一般認為，手寫體數(shù)字的筆畫及其相對位置關(guān)系是手寫體數(shù)字中最為穩(wěn)定的特征，然而，直接從數(shù)字點陣圖象上準確地抽取數(shù)字的每一個筆畫并找出其相對位置關(guān)系則十分困難，早期利用結(jié)構(gòu)模式識別方法來識別手寫體數(shù)字的研究人員所遇到的問題和困難證實了這一點。統(tǒng)計特征具有良好的抗噪聲、抗筆畫的粘連與斷裂等特性，但是，數(shù)字具有二維結(jié)構(gòu)，單純利用統(tǒng)計特征還不能很好的反映出數(shù)字的結(jié)構(gòu)信息，所以，一種有效的手寫體數(shù)字特征9 69 29 69%合計 770 230 77%石河子大學(xué)學(xué)士學(xué)位論文 28應(yīng)該將數(shù)字的統(tǒng)計特性與結(jié)構(gòu)信息結(jié)合起來，將數(shù)字筆畫的特性與數(shù)字背景空白處的特性結(jié)合起來。 課題前景與展望手寫識別不應(yīng)該只局限于一種方法，應(yīng)該多種方法相結(jié)合，這里我們提一下統(tǒng)計模式識別和神經(jīng)網(wǎng)絡(luò)識別。統(tǒng)計模式識別根據(jù)特征抽取區(qū)域的不同可粗略地分為全局統(tǒng)計特征和局部統(tǒng)計特征兩大類。與結(jié)構(gòu)法相比，統(tǒng)計法具有良好的抗噪聲、抗干擾的性能。可以先用統(tǒng)計方法進行粗分類，再用結(jié)構(gòu)方法進行細分類來區(qū)分相似數(shù)字，即兩種方法的串聯(lián)；也可以將兩種方法并聯(lián)使用，然后進行綜合集成，這是近年來識別領(lǐng)域的一個重要研究方向。神經(jīng)網(wǎng)絡(luò)識別，用于識別的人工神經(jīng)網(wǎng)絡(luò)模型有：hop field 神經(jīng)網(wǎng)絡(luò)、前向多層神經(jīng)網(wǎng)絡(luò)（如 bp 算法、rbf網(wǎng)絡(luò)等） 、art 網(wǎng)絡(luò)、自組織特征映射網(wǎng)絡(luò)、認知器模型等等。目前常用的做法是將神經(jīng)網(wǎng)絡(luò)方法和傳統(tǒng)的識別方法結(jié)合起來使用，互相取長補短，如先用傳統(tǒng)的方法抽取較為穩(wěn)定的特征，然后再用神經(jīng)網(wǎng)絡(luò)進行自組織聚類學(xué)習(xí)并設(shè)計性能良好的分類器等。人們正以期盼的目光注視著人腦功能的揭示和神經(jīng)網(wǎng)絡(luò)的進一步發(fā)展 [23]。脫機手寫數(shù)字識別的預(yù)處理，是探討直接從數(shù)字點陣圖象上補償手寫變形、減小屬于同一類別的不同模式之間的差異的理論和方法。通常，直接從數(shù)字點陣圖象上消除手寫變形的方法有兩種，即非線性規(guī)一化方法和變換函數(shù)法。非線性規(guī)一化是預(yù)處理方法的主流和核心，其目的主要是將不同大小的數(shù)字點陣規(guī)一化成相同大小并直接在數(shù)字點陣圖象上矯正手寫變形，常用的非線性規(guī)一化方法有：基于點密度均衡的非線性規(guī)一化、基于筆畫穿透數(shù)目均衡的非線性規(guī)一化、基于筆畫間隔均衡的非線性規(guī)一化、基于線密度均衡的非線性規(guī)一化、等，各種非線性規(guī)一化方法的主要區(qū)別在于如何刻畫數(shù)字筆畫的疏密程度的不同，使得規(guī)一化后的漢字點陣中筆畫分布盡量均勻。 變換函數(shù)法也是近年來圖象識別及文字識別的一個研究方向，常用的變換函數(shù)法有基于幾何模型的變換函數(shù)法、余弦整形變換函數(shù)法、基于筆畫傾斜角度的變換函數(shù)法等。三種方法各有優(yōu)缺點，能解決的不同類型的手寫變形。但是，目前的變換函數(shù)法的自適應(yīng)能力不強，如何根據(jù)不同的手寫變形自適應(yīng)地采用不同的變換函數(shù)和不同的處理方法可能是變換函數(shù)法今后的研究方向 [24]。致謝29致 謝畢業(yè)設(shè)計完成了，我們衷心地感謝所有在這期間指導(dǎo)和幫助過我們的人。首先，我們要感謝崔瑞龍同學(xué)，他為我們提出了寶貴的意見。他對科學(xué)的鉆研精神，值得我們學(xué)習(xí)。然后，感謝同組同學(xué)的支持、鼓勵和幫助。是我們兩人的密切配合，才使畢業(yè)設(shè)計和論文如期完成。最后，感謝我們的導(dǎo)師老師。在整個畢業(yè)設(shè)計過程中，老師給予了我們悉心的教誨與指導(dǎo)，有了她理論上與技術(shù)上的大力支持，才使我們的畢業(yè)設(shè)計得以順利開展。從老師身上，我們也看到了力求完美、務(wù)實創(chuàng)新的科研態(tài)度，老師高效、嚴謹?shù)目茖W(xué)作風(fēng)，讓我們受益匪淺。參考文獻 30參考文獻［1］葉衛(wèi)東,[J]. 現(xiàn)代計算機,1998.［2］[D].北京:北京科技大學(xué),2022.［3］[D].北京:中國科學(xué)院聲學(xué)研究所,1998.［4］[J].甘肅科技,2022.［5］ 在圖像處理和分析中的應(yīng)用[J].農(nóng)機化研究,2022.［6］：西安建筑科技大學(xué),2022.［7］柳回春,馬樹兀,[J].計算機工程,2022,29(4):2461.［8］[J].計算機應(yīng)用, ,2022.［9］陳榮保,[D].合肥:合肥工業(yè)大學(xué)工業(yè)自動化研究所, 2022.［10］侯繼紅,[J]. 電子計算機與外部設(shè)備,1999.［11］ 與科學(xué)計算(第 2 版)[M]. 北京:電子工業(yè)出版社，2022.［12］ 圖像處理[M].北京:清華大學(xué)出版社，2022.［13］傅德勝,[M].南京:東南大學(xué)出版社，2022.［14］ 基礎(chǔ)與應(yīng)用簡明教程[M].北京:北京航空航天大學(xué)出版社,2022.［15］ de Sa 著，――原理、方法及應(yīng)用[M].北京：清華大學(xué)出版社，2022.［16］（MATLAB 版）.北京:電子工業(yè)出版社，.［17］:清華大學(xué)出版社[M],2022.［18］[M].北京:人民郵電出版社,2022.［19］ 輔助圖像處理[M].北京:電子工業(yè)出版社, 2022.［20］林曉帆,丁曉青,[M].北京:清華大學(xué)出版社,2022.［21］ :.［22］[D].北京:北京郵電大學(xué),2022.［23］許志影, 及其在圖像處理中的應(yīng)用[J].計算機與現(xiàn)代化,2022(4):6465.［24］柳回春,馬樹元,吳平東,楊峰,曾興生,[J].計算機工程, ,2022.附錄31附 錄附 識別部分主程序clccleartupian=imread(39。shengchengwenjian\39。)。 imshow(tupian)。if size(tupian,3)==3tupian=rgb2gray(tupian)。 %將 RGB 圖形轉(zhuǎn)換成灰度圖endthreshold = graythresh(tupian)。 %進行全局圖像閾值選取 tupian =~im2bw(tupian,threshold)。 %將圖像轉(zhuǎn)換為基于閾值的二進制圖像 tupian