基于手寫體數(shù)字識別的信息錄入與處理系統(tǒng).pdf

1、手寫體數(shù)字識別是信息錄入的關(guān)鍵步驟，廣泛應(yīng)用于公安、稅務(wù)、交通、金融等行業(yè)的實踐活動中。雖然識別方法多種多樣，但是目前技術(shù)尚不能使識別率達到100﹪。為了能夠?qū)⑹謱戵w數(shù)字識別真正應(yīng)用到實際工作中，本文除了在手寫體識別算法的識別率提高上下功夫之外，還設(shè)計了一個基于手寫體數(shù)字識別的信息錄入與處理系統(tǒng)。 手寫體數(shù)字識別的主要難點在于手寫體數(shù)字字形小，特征信息量少，不同的人群書寫習(xí)慣不同造成數(shù)字的形態(tài)千變?nèi)f化；在某些應(yīng)用中對于單字識別來

2、說，手寫體數(shù)字的正確識別要比其他字符嚴格得多。在對手寫體數(shù)字識別技術(shù)做了充分比較后，本文選擇了BP神經(jīng)網(wǎng)絡(luò)算法作為識別算法。BP網(wǎng)絡(luò)實質(zhì)上實現(xiàn)了一個從輸入到輸出的映射，理論上它具有實現(xiàn)任何復(fù)雜的非線性映射的能力，適合于求解內(nèi)部機制復(fù)雜的問題。 BP神經(jīng)網(wǎng)絡(luò)的識別效果還依賴于訓(xùn)練神經(jīng)網(wǎng)絡(luò)樣本集合的質(zhì)量。為了獲得識別率高、誤識率低的分類神經(jīng)網(wǎng)絡(luò)，本文采集了不同人群中的5萬余個有代表性的手寫體數(shù)字圖像作為訓(xùn)練、測試樣本。有了這些樣本以

3、后，我們對樣本圖像作了二值化、去噪聲、糾偏、細化、定位分割、尺寸歸一化等一系列處理，經(jīng)過這些處理后的單個字符圖像被離散成神經(jīng)網(wǎng)絡(luò)的輸入樣本。將樣本劃分為訓(xùn)練集和測試集，對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，所得到的神經(jīng)網(wǎng)絡(luò)能夠達到較滿意識別效果。其中，我在處理數(shù)字樣本的時候發(fā)現(xiàn)，某些樣本是對神經(jīng)網(wǎng)絡(luò)有害的‘壞’樣本，在研究中我嘗試將這些壞樣本‘剔除’以后發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)的識別率和拒識率有所提高、誤識率明顯下降。 將手寫體數(shù)字識別技術(shù)投入實際應(yīng)用中是我

4、們的最終目標(biāo)，為此本文設(shè)計了一個基于手寫體數(shù)字識別的信息錄入與處理系統(tǒng)，此系統(tǒng)可以混合處理照片、文字(僅保存圖像)、OMR以及手寫體數(shù)字，本文僅重點研究及介紹其中的手寫體數(shù)字識別模塊。系統(tǒng)使用掃描儀將信息卡內(nèi)容掃描到計算機中以后，程序?qū)κ謱戵w數(shù)字圖像進行二值化、去噪聲等預(yù)處理，然后形成神經(jīng)網(wǎng)絡(luò)分類模型的輸入，并由神經(jīng)網(wǎng)絡(luò)進行識別。識別后的結(jié)果會顯示在計算機終端上，并由操作人員對拒識字符進行處理?？紤]到識別算法可能有誤識別的情況，本文設(shè)計

5、了一種批量校對的方法來處理可能發(fā)生的誤識。經(jīng)過測試，BP神經(jīng)網(wǎng)絡(luò)手寫體數(shù)字識別算法識別率可達到96.8﹪以上、拒識率小于2.7﹪、誤識率小于0.5﹪；在實際系統(tǒng)應(yīng)用中，批量手寫體數(shù)字校對方式可以成倍提高誤識校正的速度，熟練操作者的處理速度可以達到100字符／秒甚至更高，經(jīng)過人工干預(yù)后，最終誤識率小于萬分之一。本文主要貢獻如下： (1)實現(xiàn)了BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和識別算法，并在實際工作中得到應(yīng)用。 (2)發(fā)現(xiàn)了‘壞’樣本對B