【正文】 非線性規(guī)一化是預處理方。 脫機手寫數字識別的預處理，是探討直接從數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。目前常用的做法是將神經網絡方法和傳統(tǒng)的識別方法結合起來使用，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，然后再用神經網絡進行自組織聚類學習并設計性能良好的分類器等?？梢韵扔媒y(tǒng)計方法進行粗分類，再用結構方法進行細分類來區(qū)分相似數字，即兩種方法的串聯(lián)；也可以將兩種方法并聯(lián)使用，然后進行綜石河子大學學士學位論文 28 合集成，這是近年來識別領域的一個重要研究方向。統(tǒng)計模式識別根據特征抽取區(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。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，數字具有二維結構，單純利用統(tǒng)計特征還不能很好的反映出數字的結構信息，所以，一種有效的手寫體數字特征應該將數字的統(tǒng)計特性與結構信息結合起來，將數字筆畫的特性與數字背景空白處的特性結合起來。 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)成功的關鍵。 （ 4）對系統(tǒng)進行調試和進一步優(yōu)化。 （ 2）熟悉 Matlab 編程環(huán)境，并對 Matlab 語言進行深入的學習。結果表明對所做數字的識別率還是比較高，基本達到要求。 表 51 利用攝像頭輸入的手寫體訓練結果 表 52直接讀圖的手寫體訓練結果 表 53 利用手寫板輸入的手寫體訓練結果 數字 類別 正識樣本數 誤識 樣本數 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% 數字 類別 正識樣本數 誤識樣本數 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% 數字 類別 正識樣本數 誤識 樣本數 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% 9 69 29 69% 合計 770 230 77% 第六章 結論 27 第六章 結論 畢業(yè)設計總結 經過這段時間的努力，我們的畢業(yè)設計終于如期完成。 實驗結果表明，基于所用結構模型和知識庫的識別方法對規(guī)范手寫體數字是可行的，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字。而由表 所示，以標準字體存在的手寫體數字識別率較高，達到了 84%。 實驗結果分析 在實驗過程中，我們以三組樣本作為訓練樣本對知識庫的參數進行調整，這三組訓練樣本分別為 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練結果如表 所示，直接讀圖的手寫體樣本訓練結果如表 所示，利用手寫板輸入的手寫體樣本訓練結果如表 所示。因此，在評價手寫數字識別系統(tǒng)系統(tǒng)時，我們必須綜合考慮這幾個指標。 一個理想的系統(tǒng)應是 R， S 盡量小，而 P， A 盡可能大。評價的指標除了借用一般文字識別里的通常做法外，還要根據數字識別的特點進行修改和補充 [22]。 imwrite(,[PathName,FileName])。 if FileName==0 return。shengchengwenjian\ xzbsbqt 39。Save Picture39。All Files (*.*)39。*.*39。GIF(*.gif)39。*.gif39。Bitmap(*.bmp)39。*.bmp39。JPEG(*.jpg)39。*.jpg39。 這行代碼，設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，這個設置實現了手寫體數字在寫字板上的書寫。black39。Color39。LineWidth39。39。LineStyle39。markerSize39。.39。marker39。 end 這段代碼所實現的功能是鼠標跟隨，即單擊左鍵，會進行鼠標更隨，松開左鍵，會釋放更隨命令。39。WindowButtonMotionF39。stop39。y0=y。)。,39。,4,39。,39。,39。,30, 39。,39。, 39。 %當斜率存在， k=(yy0)/(xx0)=0 end line( X ,Y, 39。 %定義 x 的變化 %定義 y 的變化 if abs(xx0) %直線平行于 y 軸 Y=y0:yidong_y:y。 else yidong_y=y_zl。 else yidong_x=x_zl。y_zl= 。 %y=kx+b 直線方程實現。 x = dianji(1,1)。CurrentPoint39。move39。 y0 = dianji(1,2)。)。 dianji = get(gca, 39。shubiaogensui stop39。WindowButtonUpF39。)。, 39。, set(gcf, 39。 case 39。shubiaogensui down39。WindowButtonDownF39。, axis([ 110 0 110])。 石河子大學學士學位論文 23 end switch(dongz) case 39。 圖 412 利用寫字板輸入的手寫體數字識別 圖 413 識別過程以及結果 自制的寫字板代碼如下： function shubiaogensui(dongz) global x y x0 y0 if nargin == 0, dongz = 39。 識別的具體過程為單擊界面左邊空白處，拉動鼠標不松左鍵， 即可在寫字板上進行手寫體數字的輸入，如圖 413。 它代表的意思是首先調用識別程序進行識別，然后將識別出來的 TXT 文件中的內容傳入到 edit1 中，即右邊空白處。STRING39。) str = mat2str(edit1)。 圖片識別按鈕的代碼如下： zjdqtpsb() edit1 = load(39。)。 imwrite(S,str,39。.jpg39。shengchengwenjian\zjdqtpsctp39。 第四章 手寫體數字識別系統(tǒng)設計分析 22 imshow(S)。 S = imread([pathname,filename])。yangbentupian\39。*.*39。*.gif39。*.bmp39。*.jpg39。,[]) 它代表的意思是將坐標軸去掉，實現那一部分的空白。,[]) set(gca,39。)) set(gca,39。,get(gca,39。)) set(gca,39。,get(gca,39。 圖 411 直接讀圖的手寫體數字識別讀圖結果 在直接讀圖的手寫體數字識別界面上，左邊空白部分的代碼如下： set(gca,39。 識別的具體過程為點擊界面上的讀取圖片按鈕，選取以前設置好的被掃描進電腦的手寫體數字圖片，單擊打開，如圖 。 start(t)。Period39。fixedDelay39。ExecutionMode39。TimerF39。)) global t。 period=str2num(get(q1,39。 自動截取部分的代碼如下： global vid。 data = getsnapshot(sp)。rgb39。ReturnedColorSpace39。 preview(sp)。)。 waitbar(,h,39。rgb39。ReturnedColorSpace39。,Inf)。, {baocuntupian}) set(sp,39。, [10 200 40 20],... 39。,... 39。, 39。,... 39。, 39。, 設備號 ) baocun = uicontrol(39。 %攝像頭 = videoinput(39。YUY2_320x24039。winvideo39。)。 global sp h = waitbar(,39。 圖 46 利用攝像頭輸入的手寫體數字識別界面 圖 47 攝像頭攝入畫面 圖 48 利用攝像頭輸入的手寫體數字識別讀圖過程以及結果 第四章 手寫體數字識別系統(tǒng)設計分析 20 在利用攝像頭輸入的手寫體數字識別界面上，視頻輸入、手動輸入的代碼如下： clc。 此時，如果點擊視頻輸入按鈕下面的自動截取按鈕，視頻輸入在界面中的畫面就會按照規(guī)定的時間間隔進行截取，比如程序設定是 5 秒進行一次截取，畫面就會固定在視頻輸入后的 5 秒的圖像上，進行截取，然后輸出。 識別的具體過程為點擊界面上的視頻輸入按鈕，即可出現裝載攝像頭的界面，如圖 。在實驗的過程中，我們還可以根據手寫體數字的樣式，來添加樣本，充實基準庫。目前，比較有代表性的、樣本數量較大的手寫數字樣本庫有： （ 1） .NIST 數據庫，由美國國家標準與技術局收集；（ 2） .CEDAR 數據庫 ,是由紐約州立大學 Buffalo 分校計算機科學系文本分析與 識別中完成的郵政編碼的樣本庫； （ 3） .ETL 數據庫，由日本電工技術研究所收集；（ 4） . ITPT 數據庫 , 由日本郵電通信政策研究所收集。前者的優(yōu)點是帖近自己的應用 ，缺點也是明顯的：要費相當的精力且代表性很難保證 ， 與其它人的結果不好比較。 第四章 手寫體數字識別系統(tǒng)設計分析 18 圖 43 主界面的下拉菜單 圖 44 分界面下的下拉菜單 基準庫的選擇與建立 手寫數字的寫法帶有明顯的地區(qū)性和民族性，因而選擇一個可供系統(tǒng)訓練和測試 使用的樣本庫是手寫數字識別研究的重要基礎之一 ， 對識別系統(tǒng)的性能也有重要的影響。 另外，在界面的左上角有幾組下拉菜單，主界面的下拉菜單如圖 所示，內容包括幫助以及退出，另外三個下拉菜單的內容是三個模塊的功能。 xzb push button4 %退出 大小為 2*1 close(gcf)。off39。visible39。)。,39。 zjdqtp push button 2 *1 %視屏輸入 字體 set(gcf,39。off39。visible39。 以上包括了主界面的背景圖片以及主界面按鈕的背景圖片的關聯(lián)等。cdata39。,K)。 set(,39。cdata39。,I)。 set(,39。Beijingtupian\39。)。 K=imread(39。Beijingtupian\39。)。 I=imread(39。off39。visible39。off39。handlevisibility39。)。) II=imread(39。 uistack(ha,39。position39。normalized39。units39。 程序主界面 程序的主界面如下，功能主要分為三個模塊，分別為攝像頭輸入模塊、直接讀取圖片模塊以及寫字板輸入模塊，另外，右下角還有個退出的按鈕，如圖 。 代碼的意義是計算兩個矩陣的 2維相關系數，相關系數最大的就是所識別的結果。 shuzijz=[shuzijz shuzidb]。 識別的代碼如下： for n=1:shuzis shuzidb=corr2(templates{1,n},tupian1)。 分類識別 圖像分類指的是根據提取的特征值，利用模式識別的方法進行分類，確定類別名稱，以便對圖像的重要信息得到一種理解和解釋 。 通常能描述對象的元素很多，為了節(jié)約資源，節(jié)省計算機存儲空間、處理時間、特征提取的費用，有時更是為了可行性，在保證滿足分類識別正確率要求的條件下，按某種準則盡量選用對正確分類識別作用較大的特征，使得用較少的特征就能完成分類識別任務。 特征提取的目的是從原始數據中抽取出用于區(qū)分不同類型的本質特征。作為特征提取的一個前提