基于模糊笔画方向特征的脱机手写体汉字识别系统

论文摘要

汉字识别是用计算机自动辨识印刷在纸上或人写在纸上的汉字,它属于模式识别和人工智能的范畴。汉字识别涉及到模式识别、图像处理、人工智能、形式语言与自动机、模糊数学、组合数学、信息论、中文信息处理等学科,也涉及到语言文字学、心理学、仿生学等,是一门综合性技术。本文首先对汉字图像的预处理技术进行了分析,包括对样本图像的二值化、归一化、平滑去噪、字符切分、汉字细化处理等。模糊数学为解决计算机的精确运算与人脑思维具有模糊性这一矛盾提供了强有力的工具。在特征提取方面,本文引入了模糊数学的思想,提出一种基于模糊笔画方向特征的提取方法,解决了因手写体笔画随意性而使得提取的子笔画不稳定的问题；并通过对字符点阵图像的模糊划分,克服笔画的位置对特征提取的影响。计算字符边缘点“横”、“竖”、“撇”、“捺”的模糊笔画属性特征,并将其与模糊网格相结合,生成模糊笔画统计特征。在分类器设计中,研究了人工神经网络的特征及在手写体汉字识别中的应用及人工神经网络的BP神经网络的结构设计、神经元数目选取、BP算法参数确定等问题。探讨了BP神经网络在MATLAB环境下的实现,并给出了BP神经网络分类器建立、训练和仿真的实现方法。本文采集了十一个常用大写汉字“零、壹、贰、叁、肆、伍、陆、柒、捌、玖、拾”作为样本,并对样本进行了实验,实验证明模糊笔画特征提取方法解决了在抽取子笔画时的不稳定性问题。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究手写体识别的意义及研究背景
• 1.2 手写体识别的发展概况
• 1.3 手写体汉字识别的问题与困难
• 1.4 本文的结构
• 第二章 脱机手写体汉字识别概述
• 2.1 汉字的输入
• 2.2 预处理
• 2.2.1 二值化
• 2.2.2 平滑
• 2.2.3 汉字切分
• 2.2.4 规范化
• 2.2.5 细化
• 2.3 特征提取
• 2.4 分类识别
• 2.5 后处理
• 2.6 本章小结
• 第三章 基于模糊笔画方向特征提取
• 3.1 特征提取的方法
• 3.2 手写体汉字笔划的定义及特征分析
• 3.3 手写体汉字的子笔划及其提取
• 3.3.1 手汉体汉字像素点的方向代码
• 3.3.2 子笔划的提取
• 3.3.3 子笔划分割提取的改进
• 3.4 模糊子笔划及其提取
• 3.4.1 模糊像素点的方向代码及提取
• 3.4.2 模糊笔划提取的改进
• 3.5 基于模糊笔画方向的统计特征
• 3.5.1 模糊网格
• 3.5.2 模糊笔画边缘点的方向属性特征
• 3.5.3 字符的模糊笔画属性特征
• 3.5.4 实验结果
• 3.6 本章小结
• 第四章 人工神经网络在汉字识别中的应用
• 4.1 人工神经网络
• 4.1.1 人工神经网络特征
• 4.1.2 在手写体汉字识别中的应用
• 4.2 BP神经网络
• 4.2.1 BP神经网络原理
• 4.2.2 BP网络算法的实现
• 4.2.3 基于BP神经网络的机构设计
• 4.2.4 BP神经网络的学习与训练
• 4.3 本章小结
• 第五章 脱机手写体汉字识别系统方案设计
• 5.1 系统的组成及识别步骤
• 5.2 数据库设计
• 5.3 前台图像处理模块分析
• 5.3.1 前台图像处理程序功能图
• 5.3.2 汉字识别模块分析
• 5.4 识别实验
• 第六章 结论及展望
• 参考文献
• 致谢