手写体数字识别实验报告

HUNAN UNIVERSITY

课题

学学专学

生生业院

姓学班名

程 模式识别

目 基于知识库的手写体数字识别

名 号 级 称

2016 年6 月 25 日

基于知识库的手写体数字识别

1案例背景：

手写体数字识别是图像识别学科下的一个分支，是图像处理和模式识别研究领域的重要应用之一，并且具有很强的通用性。由于手写数字的随意性很大，如笔画粗细、字体大小、倾斜角度等因素都有可能直接影响到字符的识别准确率，所以手写体数字识别是一个很有挑战性的课题。在过去的数十年中，研究者们提出了许多识别方法，并取得了一定的成果。在大规模数据统计如例行年检、人口普查、财务、税务、邮件分拣等应用领域都有广阔的应用前景。 本案例实现了手写阿拉伯数字的识别过程，并对手写数字识别的基于统计的方法进行了简要介绍和分析。本文实现的手写字体识别程序具有手写数字图像读取、特征提取、数字模板特征库以及识别功能。

2理论基础：

2-1手写字体识别方法：

手写体数字识别是一个跨学科的复杂问题，综合了图像处理、模式识别、机器学习等多个领域的知识，其识别过程一般包含图像预处理、特征提取、分类器的设定及其后处理等组成。处理流程如图2-1所示。

图2-1手写体数子识别流程图

2-2 图像预处理

HUNAN UNIVERSITY

课题

学学专学

生生业院

姓学班名

程 模式识别

目 基于知识库的手写体数字识别

名 号 级 称

2016 年6 月 25 日

基于知识库的手写体数字识别

1案例背景：

手写体数字识别是图像识别学科下的一个分支，是图像处理和模式识别研究领域的重要应用之一，并且具有很强的通用性。由于手写数字的随意性很大，如笔画粗细、字体大小、倾斜角度等因素都有可能直接影响到字符的识别准确率，所以手写体数字识别是一个很有挑战性的课题。在过去的数十年中，研究者们提出了许多识别方法，并取得了一定的成果。在大规模数据统计如例行年检、人口普查、财务、税务、邮件分拣等应用领域都有广阔的应用前景。 本案例实现了手写阿拉伯数字的识别过程，并对手写数字识别的基于统计的方法进行了简要介绍和分析。本文实现的手写字体识别程序具有手写数字图像读取、特征提取、数字模板特征库以及识别功能。

2理论基础：

2-1手写字体识别方法：

手写体数字识别是一个跨学科的复杂问题，综合了图像处理、模式识别、机器学习等多个领域的知识，其识别过程一般包含图像预处理、特征提取、分类器的设定及其后处理等组成。处理流程如图2-1所示。

图2-1手写体数子识别流程图

2-2 图像预处理

HUNAN UNIVERSITY

课题

学学专学

生生业院

姓学班名

程 模式识别

目 基于知识库的手写体数字识别

名 号 级 称

2016 年6 月 25 日

基于知识库的手写体数字识别

1案例背景：

手写体数字识别是图像识别学科下的一个分支，是图像处理和模式识别研究领域的重要应用之一，并且具有很强的通用性。由于手写数字的随意性很大，如笔画粗细、字体大小、倾斜角度等因素都有可能直接影响到字符的识别准确率，所以手写体数字识别是一个很有挑战性的课题。在过去的数十年中，研究者们提出了许多识别方法，并取得了一定的成果。在大规模数据统计如例行年检、人口普查、财务、税务、邮件分拣等应用领域都有广阔的应用前景。 本案例实现了手写阿拉伯数字的识别过程，并对手写数字识别的基于统计的方法进行了简要介绍和分析。本文实现的手写字体识别程序具有手写数字图像读取、特征提取、数字模板特征库以及识别功能。

2理论基础：

2-1手写字体识别方法：

手写体数字识别是一个跨学科的复杂问题，综合了图像处理、模式识别、机器学习等多个领域的知识，其识别过程一般包含图像预处理、特征提取、分类器的设定及其后处理等组成。处理流程如图2-1所示。

图2-1手写体数子识别流程图

2-2 图像预处理

HUNAN UNIVERSITY

课题

学学专学

生生业院

姓学班名

程 模式识别

目 基于知识库的手写体数字识别

名 号 级 称

2016 年6 月 25 日

基于知识库的手写体数字识别

1案例背景：

手写体数字识别是图像识别学科下的一个分支，是图像处理和模式识别研究领域的重要应用之一，并且具有很强的通用性。由于手写数字的随意性很大，如笔画粗细、字体大小、倾斜角度等因素都有可能直接影响到字符的识别准确率，所以手写体数字识别是一个很有挑战性的课题。在过去的数十年中，研究者们提出了许多识别方法，并取得了一定的成果。在大规模数据统计如例行年检、人口普查、财务、税务、邮件分拣等应用领域都有广阔的应用前景。 本案例实现了手写阿拉伯数字的识别过程，并对手写数字识别的基于统计的方法进行了简要介绍和分析。本文实现的手写字体识别程序具有手写数字图像读取、特征提取、数字模板特征库以及识别功能。

2 理论基础：

2-1手写字体识别方法：

手写体数字识别是一个跨学科的复杂问题，综合了图像处理、模式识别、机器学习等多个领域的知识，其识别过程一般包含图像预处理、特征提取、分类器的设定及其后处理等组成。处理流程如图2-1所示。

图2-1 手写体数子识别流程图

2-2 图像预处

基于SVM的手写体 基于SVM的手写体 SVM 汉字识别姓名： 姓名： 学号： 学号： 高长进 030601504福州大学数学与计算机科学学院

2012-2-15

福州大学毕业设计答辩讲稿

研究目的脱机手写体汉字识别作为汉字识别领域 中最难的课题， 中最难的课题，具有相当的研究价值和发 展前景。 展前景 为了探寻进行脱机手写体汉字识别的更 加实用有效的方法， 加实用有效的方法，本文讨论了利用支持 向量机SVM对脱机手写体汉字进行识别的 向量机 对脱机手写体汉字进行识别的 方法。 方法。

研究背景联机手写体汉字识别：难度小， 联机手写体汉字识别：难度小，发展成熟 脱机手写体汉字识别：难度高， 脱机手写体汉字识别：难度高，有待发展

研究意义理论意义 ：促进相关学科的发展与完善以及各 学科的相互融合与借鉴 应用价值 ：促进人机交互，加快信息流动，创 促进人机交互，加快信息流动， 造巨大的经济效益

2012-2-15

福州大学毕业设计答辩讲稿

研究方法特征提取算法1. 小波多网格特征提取法 2. 笔画密度投影法 3. 复合特征

分类识别算法1. 支持向量机算法 LIBSVM工具 2. LIBSVM工具2012-2-15 福州大学毕业设计答辩讲稿 4

图像预处理图像二值化

毕业设计说明书

手写体数字识别的软件设计

学生姓名： 学号： 电子与计算机科学技术学院

学 院： 计算机科学与技术

专 业： 指导教师： 2009年 6月

手写体数字识别的软件设计

摘 要

手写体数字识别是利用机器或计算机自动辨认手写体阿拉伯数字的一种技术，是光学字符识别技术的一个分支。由于阿拉伯数字的世界通用性，并且数字的识别和处理也常常是一些自动化系统的核心和关键，所以对手写体数字识别研究通用性强，且意义重大。

本文主要的研究的工作集中在图像预处理和选择合适的特征向量，并实现一个完整手写体数字识别系统。本文中对几种常见的二值化算法进行比较，并最终选择基于梯度的二值化算法；在本文中，提出了一种方法来解决结构点检测的传统方法的缺陷。另外本文还提出将一般用来直接识别字符的凸凹特征作为字符的特征向量之一。

通过对NIST的数据进行测试，实验数据表明本文设计的数字识别系统对手写体数字识别具有较高

创作编号：

GB8878185555334563BT9125XW

创作者：凤呜大王*

英语国际音标表（48个）

元音（20个）

（发音时声带振动，呼出的气流通过口腔时不受阻碍，这样形成的语音称为元音）

辅音（28个）

（无论声带振动与否，发音时呼出的气流通过口腔或鼻腔时受到一定的阻

碍，这样形成的语音称为辅音）发音时声带不振动的称为清辅音，发音

时声带振动的称为浊辅音

长元音/ɑ://?:// ?://i://U:/

短元音/ ?//?//?//?//?/

/e//?/

/e?//a?//??/

双元音/??//e?//??/

/??//a?/

轻辅音/p// t// k//f//θ/

/s/

浊辅音/b//d/ /g//v//e/

/z/

轻辅音/?// h//ts//t?//tr/

浊辅音/?// r/ /dz/ /d?//dr/

鼻音/m//n/ /?/

半元音/ j// w/

边音/ ?/

26个字母音标：

A a [ei]

B b [bi:]

C c [si:]

D d [di:]

E e [i:]

F f [ef]

G g [d? i:]

H h [eit∫] I i [ai] J j [d? ei] K k [kei] L l [el] M m [em] N n [en]

O o [?u] P

希腊字母读音及手写体

α Α alpha 【alf?】

β Β beta 【'bi:t?, 'beit?】 γ Γ gamma 【'gam?】 δ Γ delta 【'delt?】

ε Δ epsilon 【ep'sail?n, 'epsil?n】 δ Ε zeta 【'zi:t?】 ε Ζ eta 【'i:t?】 ζ Θ theta 【'ζi:t?】 η Η iota 【ai'?ut?】 θ Κ kappa 【'kap?】 ι Λ lambda 【'lamd?】 κ Μ mu 【mju:】 λ Ν nu 【nju:】 μ Ξ xi 【ksai, ksi:】 ν Ο omicron 【?u'maikr?n】 π Π pi 【pai】 ξ Ρ rho 【r?u】 ζ ? sigma 【'sigm?】 η Σ tau 【tau】

υ Τ upsilon 【ju:p'sail?n】 θ Φ phi 【fai】 χ Υ chi 【kai, ki:】

ψ Φ psi 【psai】 ω Χ omega 【'?umig?】

面部表情识别实验报告

作者：王顺兰 学号：222011301011180 西南大学 政治与公共管理学院 重庆 400715

摘要：被实验将14名被试分为两组进行表情认知的实验，实验目的在于通过实验了解面部表情认知的基本特征，结果分别统计两组被试对各种面部表情正确判断的百分数，并对两组判断的平均正确率进行显著性检验，表明差异显著。对表情的认知符合“面部肌肉运动模式作为情绪标志的根据”这一论断，也符合面部动作编码系统。 关键词：情绪 表情认知 线索 一、实验目的与器材

实验目的：通过实验了解面部表情认知的基本特征。 实验器材：

JGW－B型心理实验台速示器单元，记录用纸（2种，一为白纸，另一种为事先编制好编号与描述各种表情的语词的记录纸） 面部表情卡片6张 注视点卡片１张 二、实验程序

接通电源，打开速示器开关，灯亮。在“工作方式”栏，选择Ａ为“定时”，Ｂ为“背景”，选“Ａ－Ｂ”顺序方式；“时间选择栏”，A定为“５000”，B选为“背景”。被试坐在桌前观察窗口，两眼注视中心；注视点卡片输入B视场，表情卡片依次输入Ａ视场。 将全体被试分为相等的２个组，Ａ组被试发给事先编好的记录纸。指导语：请你一张一张的看一些与记录纸上情绪是

学号：2013483164专业：网络工程 姓名：周婷婷

Bayes分类器设计

【实验目的】

对模式识别有一个初步的理解，能够根据自己的设计对贝叶斯决策理论算法有一个深刻地认识，理解二类分类器的设计原理。 【实验原理】

Bayes分类器的基本思想是依据类别先验概率和条件概率密度，按照某种准则使分类结果从统计上讲是最佳的。换言之，根据类别先验概率和条件概率密度将模式空间划分成若干个子空间，在此基础上形成模式分类的判决规则。准则函数不同，所导出的判决规则就不同，分类结果也不同；使用哪种准则或方法应根据具体问题来确定。

【实验内容】

分别设计最小错误率的Bayes分类器和最小风险Bayes分类器，并对测试集进行分类，观察代价函数的设置对分类结果的影响；

【实验要求】

理解基于Bayes决策理论的随机模式分类的原理和方法，掌握基于最小错误率的贝叶斯决策和基于最小风险的贝叶斯决策，并能够对贝叶斯规则给出具体的实现。 【实验程序】

最小错误率贝叶斯决策

分类器设计

x=[-3.9847 -3.5549 -1.2401 -0.9780 -0.7932 -2.8531 -2.7605 -3.7287 -3.5414