基于神经网络的联机手写识别系统研究与实现.docVIP

基于Hopfield神经网络的联机手写识别算法与实现 摘要：汉字的计算机识别是模式识别领域一个重要分支，其任务就是研究如何使计算机能够“识字”。联机手写识别系统(OLCCR)符合人的自然手写习惯，容易被人们所接受，因而具有非常广阔的应用前景。目前研究人员对此做了大量的研究工作，提出了很多识别算法，基本实现了联机手写识别，但是大多数研究都是针对一种手写模式进行识别，虽然识别系统可以达到较高的识别率，但是用户需要切换输入模式才可以进行有效识别，识别系统性能有待进一步提高。人工神经网络因其所具有的并行计算能力、容错能力、自学习能力和分类识别能力，其在模式识别领域得到了充分的重视和利用。本文选取离散Hopfield神经网络算法对学习样本进行二值化、归一化和插值等预处理，然后提取其像素特征，建立Hopfield神经网络，最后将汉字、数字、字母等手写测试样本以及加入噪声的样本输入网络，由仿真测试结果可以看出对于信息残缺和含有噪声的测试样本，系统均可以实现识别，具有很好的容错性。仿真结果表明，本文利用Hopfield网络实现手写识别的效果相比用BP网络的效果更好，更具有优越性。 关键词:手写识别 Hopfield神经网络 模式识别 众所周知，联机手写汉字的识别系统在智能终端己经得到了广泛的应用，并 且己经实现了高速且高效的识别效果。例如智能手写手机、智能平板电脑的面世， 都表明联机手写识别技术在实际工程中己经实现。手写识别的研究方向，最终将 使人们可以像在纸上书写一样，自然方便地将文字输入计算机。当下联机手写字 符识别研究的主要方向有实现汉字、数字、字母、标点符号及手势等手写输入的 混合识别;多民族语言的手写输入识别;数学表达式、化学方程式等的手写输入 识别等。 联机手写识别分为两步:训练阶段，识别阶段。在训练阶段，提取训练样本 集的特征，建立网络模型，保存网络连接权值和闽值;在识别阶段，将待识别字 符特征送入网络运行，网络运行到平衡状态后，输出即为识别结果。 本文采取Hopfield神经网络算法，基于输入字符统计特征，实现了汉字、数字、字母的混合识别。将坐标序列转化为图像，又将联机手写识别和脱机手写识别联系在一起，只要对预处理部分稍作修改，系统就可以实现联机和脱机手写的统一识别，具有一定的普遍适用性。识别的流程图如图4.2所示。 识别算法及实现步骤如下: (1)将标准的书写字符作为训练样本，经过二值化、归一化、插值等预处理， 使得训练数据为标准16*16，并适合Hopfield神经网络处理的数据模式。提取每个标准字符的像素特征作为一个特征向量ti,T=[t1,t2,...tn],n为样本总数; (2)将T作为Hopfield网络的目标向量，利用正交化权值设计方法建立Hopfield网络; (3)运行网络至平衡状态，保存网络模型和输出向量Y; (4)把用户输入的汉字转化为有序坐标序列，输入的汉字是由笔划组成的，笔划是由许多点组成的，而这些点都对应着不同的坐标，提取输入汉字的所有点坐标，转化为有序坐标序列; (5)根据坐标序列，生成一幅bmp格式的图像，并保存图像; (6)将图像经过预处理、提取其特征向量u，将u作为输入向量送入建立的网络运行，当网络运行达到平衡状态时，输出结果Y。 训练过程 识别过程 开始 坐标序列转化为bmp图像 标准书写字符 预处理测试样本 图像预处理 提取特征，建 提取特征 立特征库 送入网络运行 建立Hopfield网络模型 训练网络， 运行网络到平衡状态， 分析结果值 保存权值 结束 图4.2识别流程图 参考文献 [1〕吴佑寿.教电脑识字:浅谈汉字识别「M].北京:清华大学出版社;广州:暨南大学出版社，2000. [2〕吴佑寿，丁晓青.汉字识别一一原理·方法与实现「M].北京:高等教育出版社， [3〕张忻中.汉字识别技术「M].北京:清华大学出版社;广西:广西科学技术出版社，1993. [4〕杨俊，赵荣椿，任金昌.手写体汉字的回顾与展望「J