基于Fisher的手写体数字识别研究与实现.pdfVIP

第 25卷第 2期 平顶山学院学报 Vo l. 25 No. 2 2010年 4 月 　　　　　　　　　　　　　 Journal of P ingdingshan U n iversity　　　　　　　　　　　　　 Ap r. 20 10 基于 Fisher的手写体数字识别研究与实现 1 2 1 马 　飞 ,武 　楠 ,程荣花 ( 1. 平顶山学院 , 河南 平顶山 467000; 2. 曲阜师范大学 计算机科学学院 ,山东 曲阜 272300) 摘 　　　要 :在手写体字符识别研究中 , 由于书写风格的不同造成了字体变化大 ,导致识别难度很大 ,采用 面积滤波对数字图像预处理消除离散点 ,使用 F isher分类器对样本进行分类识别 ,进行了手写体数字识别研究 与实现 ,分类器识别正确率为 96%. 关 　键 　词 :手写体数字识别 ; F isher分类器 ;面积滤波 中图分类号 : TP39 1. 4　　　　文献标识码 : A 　　　　文章编号 : 1673 - 1670 (2010) 02 - 0100 - 03 点 ,笔者采用面积滤波法去除离散点. 滤波算法描 1 引言 述如下 : 手写体数字识别在过去的几十年里一直是模 [ step 1 ]循环 : 扫描整个书写区; 式识别领域的研究热点 ,在手写较多的领域如邮政 [ step2 ]计算 :根据 8 邻域像素点计算各连通 编码 、统计报表 、财务报表 、支票的数字识别等方面 区域的像素点数 目,作为面积值 s; 有广泛应用. 专家 、学者提出了很多识别算法 ,但是 [ step 3 ]判断 :若面积值 s ≤Thre sho ld (指定阈 ) 很多只是停留在实验室中 , 由于书写风格的不同造 值 ,则使用背景色重绘当前离散点区; 成了各种字符变形 ,研究高性能的手写数字识别算 [ step4 ]继续 :跳转到 step2; 法是一个有相当挑战性的课题. 提取字符特征大体 [ step 5 ]输出:滤波处理完成后 ,得到相对连通 分两类 : 一是统计特征 ,通常包括点矩 、特征区域 的数字图像. 等 ;二是结构特征 ,通常包括圈、端点、拐角点、笔 对输入的手写图像进行上述处理后 ,得到了相 画、轮廓等 [ 13 ] . 现有的识别方法很多 ,例如基于模 对较为规整的数字图像 ,减少了干扰点源 ,为后续 板匹配或结构特征的方法 、使用模糊推理的方法 、 的特征提取工作做了较好的预处理. 如图 1为书写 基于矩和变换的方法 、基于神经网络的方法等. 时获得的输入图像含噪声点的情况 ,通过面积滤波 后得到噪声点较少的图像如图 2. 2 预处理及特征提取 ( ) 为防止手写时 粘带等操作 出现离散的孤立 图 1　含噪声点的图像 　　　图 2　滤波后 　　　　　图 3　区域定位 　　　　　图 4　特征分割 　　滤波处理完成后 ,进入边界判断处理. 为得到