版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、在信息技術與多媒體技術飛速發(fā)展的今天,傳統(tǒng)的紙張文字已經(jīng)無法滿足人類日益增長的需求,所以我們迫切需要把傳統(tǒng)的紙張文字信息轉化為數(shù)字化信息。目前印刷體紙張文字相對來說比較成熟,然而手寫體文字由于書寫形態(tài)各異,識別起來比較復雜,還需要進一步研究。而手寫體阿拉伯數(shù)字頻繁在郵政編碼、試卷、銀行票據(jù)中使用,這種用途的特殊性決定了應用要求極高的識別精度。
本文從手寫體數(shù)字識別的正確率和識別速度著手,研究設計了完整的基于SVM的脫機手寫體數(shù)
2、字識別的算法。首先,在手寫體數(shù)字圖像的預處理部分,針對手寫體數(shù)字的特點,提出了一種包括位置歸一化與尺寸歸一化的歸一化方法。其次,在手寫體數(shù)字圖像特征提取階段,結合CCH與DCCH特征,提出了DTP特征。將預處理后的圖像進行分塊操作,然后統(tǒng)計落在每一小分塊的CCH和DTP統(tǒng)計特征,將這些數(shù)據(jù)統(tǒng)計好就提取到了圖像的特征向量。最后,論文在對阿拉伯數(shù)字的分類識別階段,提出了一種多級分類算法,先用水平穿越次數(shù)將圖像樣本一分為二,初步實現(xiàn)粗分類;然
3、后二級分類器用SVM分別構造兩個多分類器來對圖像樣本進行細分類。其中構造SVM多分類器時采用一對一投票策略,設定得票閾值,如果超過閾值即分類成功,不超過閾值就認為該樣本是在粗分類時就錯分了,則會把樣本輸入到第二個SVM多分類器中進行分類。
本文最后在Matlab R2010軟件環(huán)境中使用MNIST數(shù)據(jù)庫中6萬個訓練樣本和1萬個測試樣本進行了實驗測試,實驗表明:本文設計的手寫體數(shù)字識別算法可以獲得較高的識別率和較快的識別速度,有
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于SVM的脫機手寫體漢字識別研究.pdf
- 基于SVM的脫機手寫體漢字識別方法的研究.pdf
- 基于筆畫的脫機手寫體漢字識別與研究.pdf
- 脫機手寫體數(shù)字識別方法研究與實現(xiàn).pdf
- 脫機手寫體漢字識別研究.pdf
- 脫機手寫體漢字識別的特征提取研究與實現(xiàn).pdf
- 基于BP神經(jīng)網(wǎng)絡的脫機手寫體數(shù)字識別.pdf
- 基于HMM的脫機手寫體字符識別.pdf
- 基于特征融合的脫機手寫體漢字識別.pdf
- 基于bandelet的脫機手寫體漢字識別研究.pdf
- 基于DS-SVM的手寫體數(shù)字識別的研究.pdf
- 基于稀疏表示的脫機手寫體漢字識別研究.pdf
- 基于深度模型的脫機手寫體漢字識別研究.pdf
- 基于Hopfield神經(jīng)網(wǎng)絡的脫機手寫體數(shù)字識別分析與研究.pdf
- 基于無切分策略的脫機手寫體數(shù)字串識別.pdf
- 旋轉不變的脫機手寫體數(shù)字識別方法研究.pdf
- 脫機手寫體漢字識別方法的研究.pdf
- 大字符集脫機手寫體漢字識別的研究.pdf
- 脫機手寫體漢字識別技術研究.pdf
- 基于PSO-BP神經(jīng)網(wǎng)絡的脫機手寫體數(shù)字識別.pdf
評論
0/150
提交評論