基于统计法与结构法的手写数字识别研究

论文摘要

脱机手写数字识别是一个至今仍没有完美解决的问题,是一个很有挑战的问题。它有着广泛而重要的应用需求,如识别邮政编码、银行收据、税收票据、各种打印手写的数字等等,这吸引了众多研究者持续不断的为之努力。介绍了手写数字识别的研究现状与未来发展的趋势。讨论了识别所需的预处理工作如图像二值化、图像分割、归一化与字符细化。针对目前特征的组合对提高识别率效果明显,而多种分类器组合不仅识别速度慢且效果甚微的情况,研究了一种将梯度特征、曲率特征、小波变换特征组合,直接使用分类性能优秀的支持向量机做为分类器的统计法。详细说明了特征提取的方法,论述了支持向量机与使用其实现工具进行识别的方法。研究了一种简便实用的结构法:将数字图像按特征点分解,去除细小分支后再重组,对重组后的线段进行简化的基元分类,最后根据字符所含基元与特征点来分类识别。该方法避免了传统方法中的学习过程,减少了识别的时间。为提高识别可靠性,尝试性对同一批样本分别用两种方法识别,再对两种识别结果进行仲裁得出最后的识别结果。实验表明,研究的统计法与结构法简便可行,错误率均在可接受的范围内,结合识别虽然拒识率比较高,但可靠性有所提高。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题背景和意义
• 1.2 国内外研究现状和趋势
• 1.3 本文主要研究内容
• 2 手写数字识别的预处理
• 2.1 灰度化与图像增强
• 2.2 二值化
• 2.3 图像分割
• 2.4 归一化
• 2.5 细化
• 2.6 小结
• 3 基于SVM 的统计识别法
• 3.1 手写识别的流程
• 3.2 特征提取
• 3.3 支持向量机
• 3.4 分类识别
• 3.5 小结
• 4 一种结构识别方法
• 4.1 结构法识别流程
• 4.2 平滑与细化
• 4.3 曲线分段重组与圈识别
• 4.4 曲线分类
• 4.5 数字识别
• 4.6 小结
• 5 实验结果及分析
• 5.1 统计法的实验
• 5.2 结构法的实验
• 5.3 结合法的实验
• 5.4 小结
• 6 结束语
• 6.1 已完成的工作
• 6.2 下一步的工作
• 致谢
• 参考文献