基于改进型BP 神经网络的字符识别算法研究.docVIP

精品论文 参考文献 基于改进型BP 神经网络的字符识别算法研究 Research on Character Recognition Algorithm Based on Improved BP Neural Network 　　刘芳LIU Fang（黑龙江东方学院计算机科学与电气工程学部，黑龙江150086）（College of Science and Electrical Engineering，East University of Heilongjiang，Heilongjiang 150086，China） 　　摘要院神经网络被广泛地应用于字符识别，通过对其难点问题的分析，为了提高字符识别率，本文应用改进型BP 神经网络进行字符识别，该算法识别率高，速度快，可适用于多种高噪声环境中，实用性很强。 　　Abstract: Neural network is widely applied for character recognition. Through the analysis of the problems, this paper recognizescharacter by the application of improved BP neural network, so as to improve recognition rate. This method has high recognition rate, fastspeed, strong practicability, and can be applied to various high noise environment. 　　关键词院神经网络；图像预处理；特征提取；字符识别Key words: neural network；image preprocessing；feature extraction；character recognition 　　中图分类号院TP301.6 文献标识码院A 文章编号院1006-4311（2014）10-0206-020 　　引言字符识别是指采用扫描仪、数码相机等输入设备，把英文字母、数字、条形码等特殊字符的图形文件输入计算机，由识别软件对图片信息上的字符信息进行识别并变换成可编辑文档的识别技术。主要有光学字符识别（OpticalCharacter Recognition，OCR）、图像字符识别（ImageCharacter Recognition，ICR） 和智能字符识别（IntelligentCharacter Recognition，ICR），实际上这三种自动识别技术的基本原理大致相同。 　　1 常用字符识别方法字符识别方法基本上都是为了区分结构识别、统计识别以及两者相结合的三大类方法，这三大类方法都包含具体的识别方法。 　　1.1 结构识别结构识别是早期字符识别的研究的主要方法，我们也可以称之为句法结构识别。其思想是提取含有一定规律的结构信息，作为识别的依据。识别过程类似一个逻辑推理过程。结构识别的优点在于对字符变化的适应性强，区分相似字符能力强。但是在实际获取字符图像的过程中，由于存在着很多扭曲、倾斜等因素，就导致不能够准确地提取结构特征，后面的识别过程就成了无源之水。此外，结构识别的算法描述也较为复杂，匹配过程的复杂度也很高，因此，我们原有的句法识别就受到新的挑战。 　　1.2 统计识别统计决策论的发展相对较早而且成熟，是为了提取待识别字符的一组统计特征，然后按照一定的准则进行决策函数的分类判决的。而统计识别是将字符点阵看作是一个能够经过大量统计数据得到的整体，是以后所用的特征都需要经过的。统计特征主要是以抗干扰能力强为主要特点，以实现匹配与分类的算法简单，且容易实现的。不足之处在于细分能力较弱，区分相似字的能力差一些。 　　1.3 结构识别与统计识别相结合上述方法各有优缺点，而随着研究的深入，这些方法逐渐得到融合。网格化特征就是结合的产物。特征的统计以网格为单位，即使个别点的统计有误差也不会造成大的影响，增强了特征的抗干扰性。这种方法正得到日益广泛的应用。 　　字符的结构特征直接反映了字符的特有属性，而用字符的统计特征进行字符识别则是利用了计算机软件善于处理数字的特点。虽然近几年流行的神经网络方法主要采用的是局部特征，但其分类机理也与传统的统计识别方法相类似，优点是灵活性强。 　　2 字符识别流程字符识别技术在当今社会的许多领域都有着广泛的商业应用前景。常见应用有条码识别、车牌识别、盲人的辅助阅读设备和邮包自动分检等。本文以车牌识别为例说明字符识别的应用以及识别流程。车牌识别系统的工作流程如图1 所示。 　　3 基于改进型BP 神经网络的字符识别算法3.1 BP 神经网络简介神经网络最早的研究是20 世