基于SVM的脫機手寫體數(shù)字識別的研究與應用.pdf

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