基于CNN的数字手写体识别

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?】

摘 要

科技发展日新月异，智能识别推陈出新。如今是信息化时期，数字识别在很多智能领域上运用广泛，拥有普遍的使用远景，因此探索这项技术有其重要的实际意义。由于手写数字在写法上千差万别，且数字间字形差别相对较小，使得识别系统的开发具有很大的挑战性。

当前手写数字识别采用的技术有Bayes判别法、决策树法、神经网络和支持向量机（Support Vector Machines，SVM）等。诞生于20世纪90年代的SVM技术是机器学习研究的热点，因其良好的泛化性能成为了数字识别领域的热门方法。

本开发系统借助MATLAB平台实现完成SVM的手写数字识别功能，同时与BP神经网络的识别作对比，并利用了MNIST数据库作扩展与分析。对识别的结果进行探究，得出使识别精准度出现误差的主要因素有手写体数字的规范程度、笔画字迹粗细和清晰，以及训练样本的数量等。

关键词 手写数字识别；神经网络；SVM

Abstract

I

Technological development changes rapidly, and intelligent recognition innovates constantly. In the

基于人工神经网络的MATLAB手写数字识别系统 一、函数MouseDraw实现手写识别系统GUI界面的建立和鼠标手写的实现。（使用时保存为MouseDraw.m)

function MouseDraw(action)

% MouseDraw 本例展示如何以Handle Graphics来设定滑鼠事件 % (MouseDraw Events)的反应指令(Callbacks) % 本程序在鼠标移动非常快时，不会造成画“断线” % global不能传矩阵

global InitialX InitialY FigHandle hb2 hb3 hb4 count hb5 hb6 hb7 count='E:\\im.jpg'; imSize = 50;

if nargin == 0, action = 'start'; end

switch(action)

%%开启图形视窗 case 'start', FigHandle = figure('WindowButtonDownFcn','MouseDraw down','DeleteFcn','save bpnet');

axis([1 imSize 1 imSize]); % 设定图轴范围%