幅度增加,我国函件业务量也在不断增长,一些大城市的中心邮局每天处理量将高达上千万件,业务量的急剧上升使得邮件的分拣自动化成为大势所趋.在邮件的自动分拣中,手写数字识别往往与光学条码识别(OBR---Optical Bar Reading),人工辅助识别等手段相结合,完成邮政编码的阅读.这就需要分拣机有一定的性能指标,差错率要越小越好.Р1.4 课题整体结构Р我们的思路是利用Matlab软件建立一个手写体数字识别系统,利用三种方法实现图像输入的功能,然后对输入的图像进行预处理,分割,结构特征提取,分类识别等操作,最终识别出图像上的数字,如图1-1.Р导入图片Р边缘提取РFreeman编码Р关键点特征提取Р参数测量Р计算面积Р图1-1 识别的基本思路框架图Р1.5 课题难点分析Р数字的类别只有十种,笔划又简单,其识别问题似乎不是很困难.但事实上,一些测试结果表明,数字的正确识别率并不如印刷体汉字识别正确率高,甚至也不如联机手写体汉字识别率高,而只仅仅优于脱机手写体汉字识别.这其中主要原因是:数字的字形信息量很小,不同数字写法相近,字形相差不大,使得准确区分某些数字相当困难;第二,数字虽然只有十种,而且笔划简单,但同一数字写法千差万别,全世界各个国家各个地区的人都用,其书写上带有明显的区域特性,很难完全做到兼顾世界各种写法的极高识别率的通用性数字识别系统.另外,在实际应用中,对数字识别单字识别正确率的要求要比文字要苛刻得多.这是因为,数字没有上下文关系,每个单字的识别都事关重要,而且数字识别经常涉及的财会、金融领域其严格性更是不言而喻的.因此,用户的要求不是单纯的高正确率,更重要的是极低的、千分之一甚至万分之一以下的误识率.此外,大批量数据处理对系统速度又有相当的要求,许多理论上很完美但速度过低的方法是行不通的.因此,研究高性能的手写数字识别算法是一个有相当的挑战性的任务[8].
全文预览
