基于主分量分析和多分類(lèi)器組合的手寫(xiě)數(shù)字識(shí)別技術(shù)研究.pdf

1、隨著計(jì)算機(jī)的誕生和信息技術(shù)的飛速發(fā)展，字符識(shí)別的內(nèi)涵已經(jīng)由最初的一種閱讀輔助工具發(fā)展成為一種處理數(shù)據(jù)和信息的重要手段，得到了極為廣泛的應(yīng)用。手寫(xiě)數(shù)字識(shí)別作為光學(xué)字符識(shí)別的一個(gè)分支，到目前為止還沒(méi)有得到令人滿意的解決方案。本文以主分量分析法和多分類(lèi)器組合法為基礎(chǔ)，主要對(duì)手寫(xiě)數(shù)字識(shí)別技術(shù)中的圖像預(yù)處理、特征提取和分類(lèi)器設(shè)計(jì)進(jìn)行了研究。 手寫(xiě)數(shù)字圖像預(yù)處理包括：二值化、數(shù)字串分割、字符的傾斜校正和歸一化。論文討論了能夠有效的確定圖像二

2、值化過(guò)程中的灰度閾值的灰度直方圖法；介紹了通過(guò)谷點(diǎn)搜索算法來(lái)確定分割點(diǎn)實(shí)現(xiàn)數(shù)字串分割的垂直投影法；分析了能夠?qū)A斜角度小于直角的字符進(jìn)行有效校正的遞歸傾斜校正法；研究了字符的位置歸一化、大小歸一化和筆劃粗細(xì)歸一化，其中筆劃粗細(xì)歸一化以數(shù)學(xué)形態(tài)學(xué)為基礎(chǔ)，通過(guò)先后對(duì)字符進(jìn)行骨骼化和膨脹運(yùn)算來(lái)實(shí)現(xiàn)。 手寫(xiě)數(shù)字特征包括：主分量特征、字符高寬比特征和歐拉特征。不同類(lèi)型的特征表現(xiàn)了數(shù)字字符不同方面的特性。研究表明：主分量特征描述了數(shù)字字符結(jié)

3、構(gòu)特征的統(tǒng)計(jì)信息，特征向量的維數(shù)可通過(guò)數(shù)字類(lèi)的重構(gòu)均方差或協(xié)方差矩陣的特征值來(lái)確定；傾斜校正后數(shù)字字符的高寬比特征可有效的將數(shù)字“1”和其它數(shù)字分開(kāi)；歐拉特征體現(xiàn)了手寫(xiě)數(shù)字的拓?fù)涮匦?，可有效的將?shù)字“3”和“8”區(qū)分開(kāi)。論文還應(yīng)用Parzen 窗函數(shù)法和最大似然法對(duì)每個(gè)數(shù)字類(lèi)高寬比特征的概率密度進(jìn)行了估計(jì)。 手寫(xiě)數(shù)字分類(lèi)器包括：?jiǎn)蝹€(gè)分類(lèi)器和組合分類(lèi)器。文章介紹了以貝葉斯決策規(guī)則為核心的貝葉斯分類(lèi)器，其適用于特征維數(shù)較低且概率密度

4、容易估計(jì)的情況；研究了識(shí)別率可達(dá)到87.90％的最小重構(gòu)偏差分類(lèi)器，該分類(lèi)器與主分量分析相對(duì)應(yīng)；分析了具有良好非線性映射能力的三層前饋神經(jīng)網(wǎng)絡(luò)分類(lèi)器，其分類(lèi)性能與隱層單元個(gè)數(shù)和訓(xùn)練終止誤差有著密切的關(guān)系；提出了多分類(lèi)器組合的原則和方法。組合原則的中心問(wèn)題是當(dāng)參與組合的成員分類(lèi)器出現(xiàn)不一致時(shí)，如何解決這種沖突。對(duì)于同種類(lèi)型的分類(lèi)器組合方法有投票法和線性組合法，正確識(shí)別率可達(dá)87.73％；對(duì)于不同類(lèi)型的分類(lèi)器組合方法為乘法，正確識(shí)別率可達(dá)9