文档介绍：摘要光学字符识别是世纪年代逐步发展起来的一门自动化技术。日常生活中会遇到各种各样的数字信息需要录入到计算机中去,如大规模的数据统计、财务、税务、金融及邮件分拣等。因此手写体数字识别有着广泛的应用前景,对其进行研究有着重要的现实意义。本文对手写数字识别技术进行了研究和探讨,采用基于—神经网络分类器的手写数字识别方法。该识别方法以图像预处理和一定的字符特征提取为基础,采用结合了数值优化法的神经网络作为核心识别分类器,对点阵输入向量进行分类识别而确定出最后的识别结果。在预处理方面,本文着重研究了带折线型断笔的字符的断笔连接问题,提出了一种端点特征提取法,结合惴ǎ纬闪艘恢帜芰佣嘀折线型断笔的新方法。此外,针对二值图像的特点,修改了传统中值滤波法的具体运算方法,提出了一套快速的运算规则。另外,使用形态学膨胀技术粗化细化后的字符,均匀化了字符笔画,用做分类器的输入。分类识别器采用了—神经网络。对传统的神经网络训练算法进行了研究,采用综合优化训练算法,使用数值优化算法进行权值与阈值修正,并引入了自适应调节参数,灵活地调节网络训练方式。:手写数字识别;中值滤波;断笔连接;—神经网络统对手写数字具有较高的识别率。
知识水坝***@pologoogle为您整理
瓵、甌,,琺甀广东工业大学硕十学位论文,猻、.琱琣.,,.··.,,.瓵琣瓸,
知识水坝***@pologoogle为您整理
;;..ィ甌籐·.’篐ぁ
论文作者签字球盟』殳力口瓿г二日独创性声明得的,论文成果归广东工业大学所有。秉承学校严谨的学风与优良的科学道德,本人声明所呈交的论文是我个人在导师的指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,不包含本人或其他用途使用过的成果。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明,并表示了谢意。本学位论文成果是本人在广东工业大学读书期间在导师的指导下取申请学位论文与资料若有不实之处,本人承担一切相关责任,特此声明。指导教师签字:
第一章绪论手写体数字识别概述手写体数字识别研究现状以及研究方法文字是人类进行思想交流的工具,然而自从进入了信息时代,原来以图形形式记录在纸上的文字,作为思想交流工具,发生了很大变化,以电子化的序号为代表的记载方式逐渐流行,这就产生了图像文字与编码序号之间的转换问题。光学字符识别,简称就是解决这类转换问题的一门自动化技术,是图像处理和模式识别领域的一个重要分支¨J中词质侗虺艸荗的一个分支,它的任务是把手写阿拉伯数字,,⋯,通过非键盘方式输入到计算机中,以便作进一步处理和应用,给计算机建立视觉系统,自动辨识人用笔写在纸橹上的数字。作为模式识别领域的一个重要课题,凶胖匾5睦砺奂壑礖:⒗质俏ㄒ坏谋皇澜绺鞴ㄓ玫姆牛谡庖涣煊虻难芯炕上与文化背景无关,研究者可以互相探讨,比较各种研究方法;识别的类别数较小,只有个类别,有助于做深入分析及验证一些新的理论。最典型的例子就是人工神经网络,相当部分的P秃退惴ǘ家允中词质侗鹱魑>咛宓氖笛槠台,验证理论的有效性,评价各种方法的优缺点;侥壳拔V够鞯识别本领还无法与人的认知能力相比,手写数字识别仍是一个有难度的开放问题;中词质侗鸬姆椒ê苋菀淄乒愕狡渌恍┫喙匚侍猓手写体数字识别又分为联机识别和脱机识别。其中,最为困难的就是脱机手写字符的识别。主要是因为脱机手写体识别过程无法获得字符书写时的一些动态信息,因此脱机手写体数字识别更具挑战性。由于人识字的机理及过程并未真正解开,传统方法只能停留在一般如英文字母、汉语拼音等文字的识别。
的模式识别阶段,并没有很好地利用知识进行启发诱导,也没能模拟人续、异步、并行计算系统,我们可以用层状网代替任意的复杂网,用离散系统逼近连续系统,用高速串行运算模拟低速异步运算,建立一个脑功能的局部模型,为手写字符识别研究提供新思路。人工神经网络因能较好地模拟人脑的思维活动过程,具有较强的分类性能,国内外的一些尝试均表明了其在手写字符识别中的优良性能显示了其在手写字符识别手写数字识别在学科上属于模式识别和人工智能的范畴。在过去的四十年中,人们想出了很多办法获取手写字符的关键特征,提出了许多识别方法和识别技巧。这些手段分为两大类:全局分析和结构分析。对前者,我们可使用模板匹配、像素密度、矩、特征点、数学变换等技术。多年的研究实践表明,对于完全没有限制的手写数字,’几乎可以肯这方面的努力向着更为成熟、复杂、综合的方向发展。研究工作者努力把新的知识运用到预处理、特征提取、分类当中。近年来,人工智能中针对模式特征的不同选择及其判别决策方法的不