手写体数字的识别

《手写体数字的识别》由会员分享，可在线阅读，更多相关《手写体数字的识别（32页珍藏版）》请在金锄头文库上搜索。

1、手写体数字识别 第一章 绪论41.1课题研究的意义41.2国内外究动态目前水平41.3手写体数字识别简介51.4识别的技术难点51.5主要研究工作6第二章 手写体数字识别基本过程：62.1手写体数字识别系统结构62.2分类器设计72.2.1 特征空间优化设计问题72.2.2分类器设计准则82.2.3分类器设计基本方法93.4 判别函数93.5训练与学习10第三章 贝叶斯方法应用于手写体数字识别113.1贝叶斯由来113.2贝叶斯公式113.3贝叶斯公式Bayes决策理论：123.4贝叶斯应用于的手写体数字理论部分：163.4.1.特征描述：163.4.2最小错误分类器进行判别分类17第四章 手

2、写体数字识别的设计流程及功能的具体实现184.1 手写体数字识别的流程图184.2具体功能实现方法如下：19结束语25致谢词25参考文献26附录27摘要数字识别就是通过计算机用数学技术方法来研究模式的自动处理和识别。随着计算机技术的发展，人类对模式识别技术提出了更高的要求。特别是对于大量己有的印刷资料和手稿，计算机自动识别输入己成为必须研究的课题，所以数字识别在文献检索、办公自动化、邮政系统、银行票据处理等方面有着广阔的应用前景。对手写数字进行识别，首先将汉字图像进行处理，抽取主要表达特征并将特征与数字的代码存储在计算机中，这一过程叫做“训练”。识别过程就是将输入的数字图像经处理后与计算机中的

3、所有字进行比较，找出最相近的字就是识别结果。本文主要介绍了数字识别的基本原理和手写的10个数字字符的识别系统的设计实现过程。第一章介绍了数字识别学科的发展状况。第二章手写体数字识别基本过程。第三章贝叶斯方法应用于手写体数字识别。第四章手写体数字识别的设计流程及功能的具体实现，并对实验结果做出简单的分析。关键词：手写体数字识别 分类器 贝叶斯 vc+6.0IABSTRACTThe digital recognition researches how to treat with and recognize pattern automatically through computer with ma

4、th arithmetic. Along with the development of computer technology, human need more advanced digital recognition technology. Especially for large numbers of printed data and manuscript, the automatic recognition and input of Chinese characters becomes a stringent task, therefore the digital recognitio

5、n will have a broad application prospect on literature retrieval, office automation, postal service system, bank bill processing.In order to recognize digital characters, the first task we have to do is feature extraction of a map, after that we have to store the feature in the computer. This proces

6、s is called the training. This process compares the hand-written digitals feature and the stored features in the computer.This paper mainly introduces the basic principles of hand-written digital recognition and the design、 realization process of ten hand-written digital recognition system. The firs

7、t chapter mainly introduces the concepts related to the digital recognition and this disciplines development condition. The second chapter introduces the digital recognitions process. The third chapter mainly introduces digital recognition with Bayes. The fourth chapter introduces design process and

8、 functions carried out, the experimental result and the simple analysis.Kewords: Hand-Written Digital Rocognition Classification Bayes vc+6.0 第一章 绪论1.1课题研究的意义手写体数字识别的研究有很大的实用价值，例如在邮政编码、税务报表、统计报表财务报表、银行票据、海关等需要处理大量字符信息录入的场合，在很大程度上要依赖数据信息的输入。随着人们生活水平的提高，经济活动的发展，通信联系的需求使信函的互换量大幅度增加，我国函件业务量也在不断增长，预计到201

9、0年，一些大城市的中心邮局每天处理量将高达几百万件，业务量的急剧上升使得邮件的分拣自动化成为大势所趋。在邮件的自动分拣中，手写数字识别(OCR)往往与光学条码识别(OBR-Optical Bar Reading)，人工辅助识别等手段相结合，完成邮政编码的阅读。目前使用量最大的OVCS分拣机的性能指标：OCR拒分率30%，OCR分拣差错率1.1%。如果能通过手写数字识别技术实现信息的自动录入，将会促进这一事业的进展。手写体数字识别的研究不仅有很大的应用价值，而且有重要的理论价值，由于数字别的类别较小，有助于作深入分析及验证一些新的理论。例如人工神经网络，相当一部分的ANN模型和算法都以手写数字识

10、别作为具体的实验平台。可以说，手写体数字识别的研究将有助于模式识别、机器理解、机器人技术的发展，对今后研究如何更好地进行人机交互，使计算机具有和人一样的能力有很大的理论价值。1.2国内外究动态目前水平 手写体字符的识别在很早以前就开始了。国外从20世纪70年代初研制成“光学字符别机(OCR)”，能够自动识别印刷体的英文文字及阿拉伯数字。20世纪70年代中期出现了能识别手写数字的OCR。在20世纪70年代末和80年代初又出现了能识别手写英文母的OCR。日本于20世纪80年代初研制了印刷体汉字识别样机，这是最早的汉字OCR。我国从20世纪70年代就开始进行了字符(英文字母和数字)识别的研究，20世

11、纪80年代己进入实用阶段，主要用于邮政信函自动分检，人口普查和生产统计报表。手写体数字识别是手写字符识别的一个重要分支，它又分为在线手写体识别和离线写体识别。在线手写体识别通过记录文字图像抬笔、落笔、笔迹上各像素的空间位，以及各笔段之间的时间关系等信息，对这些信息进行处理，在处理过程中，系统以定的规则提取信息特征，再由识别模块将信息特征与识别库的特征进行比较、加以识别，最后转化为计算机所使用的文字代码。在线手写体识别的一个重要的不足就是要求写入者必须在指定的设备上书写。而离线手写体识别则是通过使用任何一种图像采集设备，如CCD、扫描仪、数码相机等将手写者已写好的文字作为图像输入到计算机中，然后

12、由计算机去识别。在过去的数十年中，研究者们提出了许许多多的识别方法。按使用的特征不同，这方法主要可以分为三类:基于结构特征的方法、基于统计特征的方法和人工神经网结构特征通常包括圆、端点、交叉点、笔划、轮廓等，对于一个复杂的模式，采用分解的方法将其划分为若干较简单的子模式乃至基元，通过对基元和子模式识别的综合建立在统计数学，特别是贝叶斯决策理论基础上，通过模式紧密性、距离和相似性度量等感念和假定，形成了统计决策方法的一系列结论。人工神经网络具有学习和联想功能，在字符识别中主要采用基于BP算法的多层感知机及多层卷积神经网络;基于正规化方法构建的径向基函数网络;以及具有“拓扑保持”特性的自组织特征映

13、射(包括学习矢量量化LvQ)等。一般来说，各类特征各有优势。例如，使用统计特征的分类器易于训练，而且对于使用统计特征的分类器，在给定训练集上能够得到相对较高识别率;而结构特征的主要优点之一是能描述字符的结构，在识别过程中能有效的结合几何和结构的知识，因此能够得到可靠性较高的识别结果。神经网络具有自学习、容错性、分类能力强和并行处理等特点。手写体识别目前的研究方向是:特征提取问题，这个方面一是在现有基础上进行组合，另一个是引入新的特征技术;分类器研究，一是多分类器继集成，另一个方向是研究新的分类器。、1.3手写体数字识别简介 手写体数字识别是指利用电子计算机自动辨认手写体阿拉伯数字的一种技术，它

14、属于光学字符识别(OCR)的范畴手写体数字识别又分为联机识别(on-line)和脱机识别(off-line)两种。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。然而，手写体数字识别技术的研究是非常有价值的，它具有广阔的应用前景。手写体数字识别系统性能的评价方法 作为一个识别系统，我们最终要用某些参数来评价其性能的高低，手写数字识别也不例外。评价的指标除了借用一般文字识别里的通常做法外，还要根据数字识别的特点进行修改和补充。对一个手写数字识别系统，可以用两方面的指标表征系统的性能:识别率 A 正确识别样本数/全部样本数*100%误识率 S

15、误识样本/全部样本数 *100%两者的关系 A+S=100%数字识别的应用中，人们往往很关心的一个指标是“识别精度”，即在所有识别的字符中，正确识别的比例，表示如下:识别精度:P=A/(A+S)*100%一个理想的系统应是S尽量小，然而A尽可能大。1.4识别的技术难点手写体数字识别的研究是一项具有相当难度的工作，此项工作的难点主要在于以下几方面:1.阿拉伯数字的字形信息量很小，不同数字写法字形相差不大，使得准确区分某些数字相当困难。2.要识别的数字虽然只有十种，而且笔划简单，但同一数字写法千差万别，不同的人写法也不尽相同，很难完全做到兼顾各种写法的极高识别率的通用性数字识别系统。3.在实际应用中，对数字的单字识别正确率的要求要比文字要苛刻得多。这是因为文字有上下文关系，但数字没有上下文关系，每个单字的识别都至关重要，而且数字识别经常涉及的财会、金融领域，其严格性更是不言而喻的。因此，用户的要求不是单纯的高正确率，更重要的是极低的误识率。4.大批量数据处理对系统速度又有相当的要求，许多理论上很完美但速度过低的方法也是行不通的。综上所述，研究高性能的手写数字识别算法是一个有相当的挑战性的课题，同样的把高效的手写体数字识别算法应用于实际工作之中也是具有重要意义的。1.5主要