基于主分量分析和多分類器組合的手寫數(shù)字識別技術(shù)研究.pdf

1、隨著計算機的誕生和信息技術(shù)的飛速發(fā)展，字符識別的內(nèi)涵已經(jīng)由最初的一種閱讀輔助工具發(fā)展成為一種處理數(shù)據(jù)和信息的重要手段，得到了極為廣泛的應(yīng)用。手寫數(shù)字識別作為光學(xué)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(chǔ)，主要對手寫數(shù)字識別技術(shù)中的圖像預(yù)處理、特征提取和分類器設(shè)計進行了研究。 手寫數(shù)字圖像預(yù)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?qū)A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(xué)形態(tài)學(xué)為基礎(chǔ)，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(jié)

3、構(gòu)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(gòu)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(yīng)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(gòu)偏差分類器，該分類器與主分量分析相對應(yīng)；分析了具有良好非線性映射能力的三層前饋神經(jīng)網(wǎng)絡(luò)分類器，其分類性能與隱層單元個數(shù)和訓(xùn)練終止誤差有著密切的關(guān)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(dāng)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