手写数字识别方法的研究与实现

论文摘要

手写数字识别是手写字符识别的一个重要分支，在邮政通讯、交通、金融等很多行业有着非常广泛的应用。相对手写汉字识别而言，手写数字的识别比较简单，只有十种类别需要区分，但由于其变体极多并且对识别的正确率要求往往比手写汉字要高，因而研究简单而高效的手写数字识别方法具有重要意义。手写数字识别主要涉及图像处理和模式识别两个方面的内容。图像处理主要用于对手写数字的图像进行预处理与分割，得到单个的字符并计算相应的特征值，然后应用模式识别的方法对单个字符进行识别。在字符识别过程中，传统的模式识别方法如最小错误率的Bayes决策原理、模板匹配等方法对字符形状比较正常的情况适应较好，但当字符变形较大时往往得到错误的结果；句法模式识别方法能很好地克服字符变形，但实现算法一般比较复杂。本文综合上述两类方法各自的优缺点，提出了一种新的基于正则表达式和模板匹配的综合识别方法。该方法首先利用正则表达式计算出所有可能的候选类，然后在候选类上应用模板匹配方法进一步精确匹配。正则表达式属于句法模式识别方法，利用它来计算候选类可以较好的克服字符变形情况，较为精确的限定一个可能的结果；模板匹配方法的本质是一个相似度的计算，在限定的可能结果的样本训练集中搜索与所给字符形状最接近的目标。实验证明，该方法实现简单识别精度较高，尤其对一些不按常规形状书写的数字的识别正确率较高，具有一定的实用价值。本文的内容安排从手写数字识别的一般流程出发，先后介绍了图像预处理和字符分割、字符的特征提取和选择、识别方法的选择以及手写数字识别系统框架几个方面的主要内容。在识别方法选择部分深入讨论了最小错误率的Bayes决策理论、模板匹配、正则表达式以及基于正则表达式和模板匹配四种识别方法，并对上述四种方法的效果进行了实验对比。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 课题背景与研究意义
• 1.2 国内外研究现状
• 1.3 研究技术和难点
• 1.4 本论文的主要贡献
• 1.5 本论文的组织结构
• 第二章 图像预处理和字符分割
• 2.1 灰度处理
• 2.2 二值化
• 2.2.1 人工选择法
• 2.2.2 自动阈值法
• 2.3 单个字符的分割
• 2.3.1 投影法
• 2.3.2 数学形态法
• 2.4 大小归一化
• 2.5 细化及反色
• 第三章 特征提取和选择
• 3.1 特征提取和选择方法
• 3.2 统计特征
• 3.2.1 第一类特征
• 3.2.2 第二类特征
• 3.3 结构特征
• 3.3.1 链码表示
• 3.3.2 链码的平滑去噪
• 3.3.3 提取关键链码串
• 3.4 实验数据
• 第四章 识别方法
• 4.1 Bayes 决策理论
• 4.1.1 最小错误率的 Bayes 决策
• 4.1.2 分类器设计
• 4.1.3 实验数据
• 4.2 模板匹配
• 4.2.1 原理
• 4.2.2 实验数据
• 4.3 正则表达式
• 4.3.1 基本原理
• 4.3.2 实验数据
• 4.4 算法比较
• 4.5 基于正则表达式和模板匹配的识别方法
• 4.5.1 算法描述
• 4.5.2 实验结果
• 4.6 手写数字识别系统框架
• 结论
• 参考文献
• 致谢
• 个人简历及在学期间发表论文