体字符,日本的Toshiha公司开发出了邮政编码自动分拣机,RETINA公司研制了一种识别手写体阿拉伯数字占很大比例的应用系统,成为手写体数字识别研究的开端。现在的OCR系统的目标是使计算机能处理更复杂的一般情况,能够识别没有限制的手写体字符,目前只能说还处于刚刚开端阶段。近年来出现的手写体阿拉伯数字识别系统都属于第三代的OCR系统,其中银行支票自动处理系统成为手写体阿拉伯数字识别系统中的热点。Р在这个信息技术飞速发展的时代,手写数字识别技术的发展空间无疑是广阔的,其中РBP网络是一个重要的发展方向,但BP神经网络也存在一些问题,尤其是如下五种问题:收敛速度问题、局部极小点问题、网络瘫痪问题、稳定性问题和步长问题,对BP网络有非常大的影响,有的甚至是非常严重的,所以对BP网络的优化也是一个今后工作的重要研究内容。另外,BP网络和其他技术的融合也是一个重要的发展方向。Р1.5 本文研究的主要内容Р手写体数字识别研究的最终目标是设计出速度快、精度高的识别算法并运用到实际工作中。手写体数字识别技术有其特殊性:Р1.识别技术离达到令人满意的使用要求还有相当距离,如果离线手写数字识别技术领域取得突破,将会打开非常广泛的应用市场。Р2.高识别率及高识别速度的要求。在一个实用系统中,高识别率的要求是必然的,若没有高识别率,其应用的价值会大大降低。时间就是金钱,只有高的识别速度,才会占有市场。Р本文研究手写体数字的识别问题,选用了50个手写体数字图片样本作为训练样本,用来训练BP神经网络。在对未知数字图像应用识别算法之前要进行图像预处理,以得到识别算法所必需的一些图像特征数据。对图像进行预处理要用到的算法是一些基本的图像处理算法:灰度化、二值化、平滑去噪、细化、归一化等。Р采用BP算法建立了基于神经网络结构的手写体数字识别分类器,并利用训练样本训练神经网络,利用测试样本验证模型的识别能力。
全文预览
