基于神经网络和DSP技术的离线数字识别系统.pdfVIP

2009年 12月 电 子 测 试 Dec．2oo9 第 12期 ELECTRONIC TEST No．12 基于神经网络和DSP技术的离线数字识别系统 汤群芳，俞斌 (湖南工学院 湖南衡阳421002) 摘要：本文提出了一种基于神经网络的离线数字识别技术，采用神经网络来对图中的数字进行识别，在分析 图像预处理对图像特征提取和识别影响的基础上 ，提出了一种基于目标的图像增强算法，该算法计算量小、 实时性好 ，有效地解决了图像背景颜色差异和环境光线差异对图像特征提取和识别造成的影响。最后给出了 系统基于DSP的硬件实现。 关键词：DSP；图像采集；目标增强；数字识别；神经网络 中图分类号：T391．4 文献标识码：A Offlinedigitalrecognition system basedon neural networkandDSP TangQun~ng，YuBin (HunanInstituteofTechnology，Hengyang421002，China) Abstract：Thepapergivesupakind ofotTlinedigitalrecognitiontechnology based on neuralnetwork， neural networkwasusedtorecognizedigitsinthisproject，atargetenhancementalgorithm isputforwardinthisproject．It isprovedthatitismucheasiertOextractimagefeaturebyemployingtargetenhancementalgorithm． Keywords：DSP；ImageSampling；TargetEnhancement；DigitsRecognition；NeuralNetwork 0引言 割的问题，而这恰恰是离线识别中最重要的问题之 一 ；3)联机识别中要求使用特殊的书写板 ，因而aCd- 根据识别的方式不同，目前字符识别技术可 了噪声的引入，提高了识别率，但离线识别系统却不 分为两大类 ：联机字符识别和离线字符识别。同离 可避免地存在着大量噪声，这在很大程度上增加了识 线字符识别相比，联机字符识别有着许多有利条件 ， 别的难度，影响了系统的识别性能。而神经网络具有 主要有以下3方面 ：1)联机识别系统能够通过与 强容错性、巨量并行l生以及自适应、自组织、自学习 它相连的手写输入设备获得输入字符笔画的顺序、 的能力，在图像识别中的应用非常广泛。本设计采用 笔画的方向以及字符形状，而离线识别系统无法获 神经网络来对图像中的数字进行识别。 得这些知识 ；2)联机识别系统要求一次仅输入一 离线数字识别是离线字符识别的一个重要分 个字符，这样在识别中就不存在字符问的粘连和分 支，它的识别对象是印刷体数字和手写体数字。考 虑到手写数字识别算法同样适用于印刷体数字的识 较，从而确定样本所属的模式类别。这种方法的特 别，本文研究和实现的重点是手写数字识别。 点是抗干扰能力强，允许样本有较大的变化，但是 它也依赖特征向量的选取。 1相关理论 1．2神经网络模式识别 1．1离线数字识别技术