基于主分量分析和多分類器組合的手寫數(shù)字識別技術研究.pdf

1、隨著計算機的誕生和信息技術的飛速發(fā)展，字符識別的內涵已經由最初的一種閱讀輔助工具發(fā)展成為一種處理數(shù)據和信息的重要手段，得到了極為廣泛的應用。手寫數(shù)字識別作為光學字符識別的一個分支，到目前為止還沒有得到令人滿意的解決方案。本文以主分量分析法和多分類器組合法為基礎，主要對手寫數(shù)字識別技術中的圖像預處理、特征提取和分類器設計進行了研究。 手寫數(shù)字圖像預處理包括：二值化、數(shù)字串分割、字符的傾斜校正和歸一化。論文討論了能夠有效的確定圖像二

2、值化過程中的灰度閾值的灰度直方圖法；介紹了通過谷點搜索算法來確定分割點實現(xiàn)數(shù)字串分割的垂直投影法；分析了能夠對傾斜角度小于直角的字符進行有效校正的遞歸傾斜校正法；研究了字符的位置歸一化、大小歸一化和筆劃粗細歸一化，其中筆劃粗細歸一化以數(shù)學形態(tài)學為基礎，通過先后對字符進行骨骼化和膨脹運算來實現(xiàn)。 手寫數(shù)字特征包括：主分量特征、字符高寬比特征和歐拉特征。不同類型的特征表現(xiàn)了數(shù)字字符不同方面的特性。研究表明：主分量特征描述了數(shù)字字符結

3、構特征的統(tǒng)計信息，特征向量的維數(shù)可通過數(shù)字類的重構均方差或協(xié)方差矩陣的特征值來確定；傾斜校正后數(shù)字字符的高寬比特征可有效的將數(shù)字“1”和其它數(shù)字分開；歐拉特征體現(xiàn)了手寫數(shù)字的拓撲特性，可有效的將數(shù)字“3”和“8”區(qū)分開。論文還應用Parzen 窗函數(shù)法和最大似然法對每個數(shù)字類高寬比特征的概率密度進行了估計。 手寫數(shù)字分類器包括：單個分類器和組合分類器。文章介紹了以貝葉斯決策規(guī)則為核心的貝葉斯分類器，其適用于特征維數(shù)較低且概率密度

4、容易估計的情況；研究了識別率可達到87.90％的最小重構偏差分類器，該分類器與主分量分析相對應；分析了具有良好非線性映射能力的三層前饋神經網絡分類器，其分類性能與隱層單元個數(shù)和訓練終止誤差有著密切的關系；提出了多分類器組合的原則和方法。組合原則的中心問題是當參與組合的成員分類器出現(xiàn)不一致時，如何解決這種沖突。對于同種類型的分類器組合方法有投票法和線性組合法，正確識別率可達87.73％；對于不同類型的分類器組合方法為乘法，正確識別率可達9