《基于Hopfield神经网络的字符识别算法研究》由会员分享，可在线阅读，更多相关《基于Hopfield神经网络的字符识别算法研究（15页珍藏版）》请在金锄头文库上搜索。
1、基于 Hopfield 神经网络的字符识别算法研究摘要 字符识别是计算机视觉和图像处理领域的研究热点。相关技术在车牌识别、图像中的文本提取等方面有广泛的应用前景。目前 Hopfield 神经网络是实现字符识别的成熟技术，它可以实现字符图像的高效联想记忆。为此，本课题通过分析 Hopfield 神经网络的算法原理，针对图像字符识别问题，深入开展了在低噪声和高噪声背景下，字符识别的可靠性研究。实验结果表明，Hopfield 神经网络对小规模图像数据具有较好的识别效率，其联想记忆功能可以有效降低噪声对识别效果的影响。关键字 Hopfield 神经网络 神经网络 字符识别The Research of
2、 Character Recognition Algorithm based on Hopfield Neural NetworkAbstract The Character recognition is a hot research topic in the field of computer vision and image processing. The related technology has wide application prospect in the aspects of technical text extraction and the license plate rec
3、ognition. At present, the Hopfield neural network is the mature technology of the character recognitions realization. It can realize efficiently associative memory of the character image. Therefore, this topic through the analysis of the algorithm principle of Hopfield neural network, aiming at the
4、problem of image character recognition，carry out the research on reliability of character recognition in low noise and high noise background. The experimental results show that hopfield neural network has good recognition efficiency of small scale image data, The associative memory function of it ca
5、n effectively reduce the influence of noise on the identification effect.Keywords Hopfield neural network Neural network Character recognition目录1 引言 .11.1 研究意义与研究现状 .11.2 神经网络的发展过程和神经网络的概念 .21.3 神经网络在字符识别上的应用 .32 Hopfield 神经网络简介 .32.1 Hopfield 神经网络简介 .32.2 Hopfield 神经网络的工作流程 .43 Hopfield 神经网络在字符识别上的
6、应用 .53.1 Hopfield 神经网络在字符识别上的应用 .53.2 设计可以实现字符识别的 Hopfield 神经网络 .53.3 实现字符识别的 Hopfield 神经网络的实验结果 .64 Hopfield 神经网络检测试验与分析 .64.1 问题的提出 .74.2 基于 Hopfield 神经网络的字符识别 .84.3 实验结果分析 .94.4 得出结论 .10致谢语 .12参考文献 .13_Toc35779097911 引言近年来，世界各地众多学者对字符识别这个领域进行了深入的研究，各种字符识别算法已经被大量应用于交通管理、商业信息安全、邮政信息等领域。目前国际上常用的字符识别
7、包括基于 Hopfield 神经网络的字符识别算法、基于 BP 神经网络的字符识别算法以及基于图片模型方法等 1。虽然字符识别已经不是一个新兴的研究领域，但目前仍然存在着很多需要去克服和解决的难题。在日常生活中，经常会遇到带噪声的字符识别的问题，如交通系统汽车号牌，由于汽车在使用过程中，要经受自然环境的风吹日晒和雨水侵蚀，造成字体模糊不清，难以辨认。如何从这些残缺不全的字符中提取完整的信息是字符识别的关键问题。字符识别在交通、邮政及商业票据管理方面有着广泛的应用价值。神经网络在汽车牌照字符识别中也可以应用，采用汽车牌照字符识别系统结构模型:首先利用摄像机和图像采集卡获得车辆牌照的原始图像,再次
8、对汽车牌照原始图像进行预处理(包括图像提取、图像增强、图像分割等),最终提取到汽车牌照的各个字符的 24*16 的图像像素二值化特征 2。1.1 研究意义与研究现状随着信息的快速发展，字符识别的应用取得了令人瞩目的进展，字符识别也成为了近年来噪声识别、人工神经网络最为注重的一个研究话题。字符识别是指电子设备检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程。它在噪声识别（图 1-1） ，车牌识别（图 1-2）等都拥有广泛的应用前景。目前字符识别还分成了很多种不同的方法，主
9、要分为神经网络识别，概率统计识别和模糊识别等。传统的字符识别方法在有干扰的情况下不能很好的对数字和字母进行识别，而离散型 Hopfield 神经网络具有联想记忆的功能，可以取得令人满意的效果，并且计算的速度很快 3。2图 1-1 噪声识别：不同频率的噪声识别不同图 1-2 车牌识别：颜色亮度对车牌识别的影响1.2 神经网络的发展过程和神经网络的概念自 1943 年 M-P 模型开始，至该世纪 60 年代为止，这一段时间可以称为神经网络系统理论的初期阶段，这个时期的主要特点是多种网络的模型的产生与学习算法的确定。3上个世纪 60 年代到 70 年代，神经网络系统理论的发展处于一个低潮时期，造成这
10、种情况的原因是发展过程中遇到了本质的困难，即电子线路交叉极限的困难，后来芬兰的 Kohonen 在 1971 年开始了随机连接变化表方面的研究工作，从次年开始，他将研究目标集中到联想记忆方面。Kohonen 将 LVQ 网络应用到语音识别,模式识别和图像识别方面，取得了很大的成功。神经网络系统理论研究方面还有很多问题尚未解决，如多层感知器的学习算法问题，Hopfield 网络的假吸引点问题，大量工程应用中提出的神经网络模型中的学习算法问题，都迫切需要解决 4。神经网络是由大量的处理单元互相连接而成的网络。为了模拟大脑的基本特性，在神经科学研究的基础上，提出了神经网络的模型。但是，实际上神经网络
11、并没有完全反映大脑的功能，只是对生物神经网络进行某种抽象,简化和模拟。神经网络的信息处理通过神经元的相互作用来实现，知识与信息的储存表现为网络元件互连分布式的物理联系。神经网络的学习和识别取决于各神经元链接权系数的动态演化过程。1.3 神经网络在字符识别中的应用神经网络作为一种自适应的模式识别技术，并不需要预先给出有关模式的经验知识和判别函数，它通过自身的学习机制形成所要求的决策区域。网络的特性由其拓扑结构、神经元特性、学习和训练规则所决定。神经网络在故障模式识别中的应用就是一个明显的例子，它的识别方法主要是统计分类方法、聚类分类方法和模糊模式识别。利用神经网络来进行图像处理也是一个活跃方向。
12、如信息的分布式储存和并行处理、信息储存与处理的合一、具有自组织、自学习能力，它已经被广泛应用于模式识别、信号处理、知识工程、专家系统、优化组合、智能控制等各个方面。随着神经网络理论的进一步研究，让我们对神经网络的特点得到了更多的认识，在图像处理的各个领域得到了充分的应用，如印刷体和手写字符识别、语音识别、指纹识别、人脸识别、图像压缩复原等。2 Hopfield 神经网络简介2.1 Hopfield 神经网络4Hopfield 网络是一种典型的单层反馈网络，这种网络可以分为离散型和连续型两种，Hopfield 网络是一个动力学系统，在确定连接权重后，若输入某个向量之后，网络将不断演化，一般情况下
13、系统将趋向某一个定态，称为状态空间的不动点吸引子。1982年，J.Hopfield 提出了可用作联想储存器的互联网络，这个网络称为 Hopfield 网络模型，也称为 Hopfield 模型。Hopfield 神经网络模型是一种循环神经网络，从输出到输入有反馈连接 5。Hopfield 网络是一种反馈型神经网络，具有丰富的动力学特性。它采用了与阶层型神经网络完全不同的结构特征和学习方法，模拟了生物神经网络的记忆机理，获得了很好的结果。当前，Hopfield 网络广泛地应用于优化计算和联想记忆。一个有效的联想记忆能力不仅依赖于它的模型结构，而且与所采用的学习算法有关。一般的，Hopfield 基本采用 Hebb 规则，它具有学习速度快和信息储存方便等优点，但是它要求训练权值的“联想记忆模式对”是一组正交的矢量集。对于工程实际问题，所构造的训练样本是很难满足这一个苛刻的条件的，致使所建网络的记忆能力受到限制。例如基于 Hebb 规则的外积法、伪逆学习算法和广义逆学习算法都是采用 Hopfield神经网络的算法 6。2.2 Hopfield 神经网络的工作流程Hopfield 网络是有反馈的全互联型网络。令 N 为神经元的数目，V 表示神经元的输入向量，U
