基于LVQ神經(jīng)網(wǎng)絡(luò)的手寫(xiě)英文字母識(shí)別.pdf

1、隨著社會(huì)的發(fā)展，英語(yǔ)作為國(guó)際通用語(yǔ)言得到了日益廣泛的應(yīng)用，因此有大量的英文文檔整理、查詢、統(tǒng)計(jì)的工作需要完成，而英文文檔識(shí)別系統(tǒng)可以輕而易舉地完成很多以前難以想象的工作。一個(gè)完整的英文文檔識(shí)別系統(tǒng)，包括文檔切分、單詞切分、單字母識(shí)別、單詞識(shí)別、后處理等部分。其中單個(gè)字母的字符識(shí)別，是整個(gè)識(shí)別系統(tǒng)的核心。通常對(duì)英文文檔的識(shí)別，都是基于單詞。單詞識(shí)別少數(shù)方法是以單詞整體為識(shí)別對(duì)象，大部分是基于單字符識(shí)別，即先對(duì)單詞進(jìn)行切分，得到字符，然后再

2、進(jìn)行字符識(shí)別。 手寫(xiě)英文字母識(shí)別系統(tǒng)主要分為三個(gè)主要部分，分別是圖像預(yù)處理，特征提取和判斷識(shí)別。本文主要考慮特征提取和判斷識(shí)別部分，特征提取主要提取統(tǒng)計(jì)特征和結(jié)構(gòu)特征，并把它們相互融合得到訓(xùn)練與識(shí)別所需特征；判斷識(shí)別采用常用的人工神經(jīng)網(wǎng)絡(luò)的識(shí)別方法，本文根據(jù)手寫(xiě)體字母的特點(diǎn)選取了LVQ神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行識(shí)別，并對(duì)其作進(jìn)一步的改進(jìn)。 本文以一個(gè)26萬(wàn)左右的手寫(xiě)體字母圖庫(kù)作為研究對(duì)象，根據(jù)需要提取訓(xùn)練樣本和測(cè)試樣本。因?yàn)樽帜笌?kù)

3、中的圖像還沒(méi)有達(dá)到提取特征和輸入識(shí)別的要求，所以要作適當(dāng)?shù)念A(yù)處理。首先是字母圖像大小不一，要進(jìn)行歸一化處理；其次是提取特征時(shí)需要圖像的骨架和輪廓，要進(jìn)行細(xì)化處理和輪廓跟蹤。在細(xì)化和輪廓跟蹤中本人對(duì)算法進(jìn)行改進(jìn)，使得字母圖像在預(yù)處理后的效果更好，有助于提取更好的特征，提高識(shí)別率。 在預(yù)處理完成后要提取特征，本文對(duì)原圖像提取投影特征和粗網(wǎng)格特征，對(duì)骨架圖像提取方向特征，最后對(duì)輪廓提取外圍特征。其中方向特征和粗網(wǎng)格特征是局部描述的統(tǒng)計(jì)

4、特征，投影特征是全局描述的統(tǒng)計(jì)特征，而外輪廓特征是一種結(jié)構(gòu)分析特征。本文將這三種特征相融合輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和識(shí)別，在實(shí)驗(yàn)中達(dá)到了一個(gè)很好的效果。 最后對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練識(shí)別。本文從字母庫(kù)中隨機(jī)抽取2600個(gè)字母圖片作為訓(xùn)練樣本，并抽取不同于訓(xùn)練樣本的1040個(gè)作為測(cè)試樣本。把訓(xùn)練樣本和測(cè)試樣本輸入LVQ進(jìn)行訓(xùn)練和識(shí)別，并與BP神經(jīng)網(wǎng)絡(luò)進(jìn)行比較。實(shí)驗(yàn)證明，LVQ神經(jīng)網(wǎng)絡(luò)與BP網(wǎng)絡(luò)相比，結(jié)構(gòu)簡(jiǎn)單，只需要三層網(wǎng)絡(luò)就可以實(shí)現(xiàn)模式識(shí)別