基于神经网络的数字识别技术研究

４
两条线把水平和垂直分割成三分 ， 统 计 这 四条 线 穿 过 的 白 像 素 的个 数 ， 得 到 ４维 特 征 。字 符 图像 全 部 白像 素 数 作 为 １ 维特 征 ， 得 到图像 的 １ ３网 格 特 征 ， 数字 １ —９的 １ ３网
７ ９ ２ ６ ３ ４ ９ ９ ３
征相结合 ， 用 于人工神经 网络分类 器 的训练 和测试 ， 获 得
了 良好 的识 别效 果 。
８
三 ２
８ ５ ７ ３ ３ ７ ７ ７ １ ２
５ ６ ７ ３ ６ ７ ５ ７ １ ３
５
７
６ ４ Ｏ ４ Ｏ １ １ ４ ４
７
９
Байду номын сангаас
６
７
动读取 、 信 息 录 入 等 方 面有 着 重 要 作 用 。 图像 的像 素 特 征 反 映 了 图像 的大 量 信 息 ， 稳 定性 好 、 易 于 实 现 。其 矩 特 征
具有平移 、 旋 转 和缩 放 不 变性 ， 匹 配性 好 ］ 。 人 工 神 经 网 络 是 由 大 量 简 单 的 基 本 元 件 —— 神 经 元 相互连接 ， 通过模拟 人的大 脑神 经处理信 息 的方式 ， 进 行
１ ３维 ， 及 Ｈｕ矩 特 征 ７维 ， 一共 ２ ７ ６维特 征 。 建 立 了 Ｂ Ｐ神 经 网络 分 类 器 ， 分别使 用最速下 降 Ｂ Ｐ算法、 动量 Ｂ Ｐ算法、 学习率可变 Ｂ Ｐ算 法对 Ｂ Ｐ神 经 网 络 分 类 器 进 行 了训 练 ， 得 出 了在 相 同条 件 下 学 习率 可 变 Ｂ Ｐ算法训 练 时间短 ， 收 敛 快 的 结论 。 建 立 了 Ｐ ＮＮ 神 经 网络 分 类 器 ， 与Ｂ Ｐ神 经 网 络 分 类 器性 能 进 行 比 较 ， 实验 结 果 表 明 ， Ｐ ＮＮ 神 经 网络 分 类
。 。
。 。
ｎ
０ 引 言
数 字 识 别 是 模 式 识 别 领 域 的一 个 重 要 分 支 ， 在表单 自
将 图 像 水 平 分 成 四份 ， 垂直 分成 两份 ， 分 别统 计这 ８
５ ７ ４ ８ ４ ８ ５ ７ ３ ３ 个 区 域 内 白像 素 的 个 数 ， 得 到 ８维 特 征 。水 平 和垂 直各 划
第１ ３ 卷 第２ 期
２ Ｏ ｌ ４ 年 ２ 月
软 件 导 刊
Ｓ ｏｎｗ ａ ｒ ｅ Ｇｕｉ ｄｅ
Ｖｏ１ ．１ ３ＮＯ． ２
Ｆ ｅ ｂ ． ２０１ ４
基 于 神 经 网络 的数 字 识 别 技 术 研 究
刘 锦
（ 武 汉 大学 信 息管理 学 院 ， 湖 北 武汉 ４ ３ ０ ０ ７ ２ ）
摘 要 ： 将图像的像素特征与矩特征结合 ， 构 建 了神 经 网络 分 类 器 ， 利 用提 取 的 特 征 向 量 对 分 类 器进 行 了 训 练 和 测
试 。将 图像 二 值 化 ， 并 归一化为 １ ６＊１ ６大 小 ， 提 取 了其 每 个 像 素 点 的 ０ 、 １特 征 共 １ ６＊１ ６ —２ ５ ６维 ， 图 像 的 网 格 特 征
ｍ Ｏ ４ Ｏ ４ Ｏ ８ ５ ｌ １ ３ １
２ ８
５
格 特 征 如 表 １所 示 。
７ ９ １ ６ Ｏ ７ ７ ７ ２ ２ ６ ７ 表 １ 数字 １ —９的 １ ３网 格特 征 ７ ４ ２ ０
信 息 并 行 处 理 和 分 线 性 转 换 的 复 杂 网 络 系 统 ］ 。自１ ９ ４ ３ 年 心 理 学 家 Ｍｃ Ｃ ｕ ｌ ｌ ｏ ｃ ｈ和 数 学 家 Ｐ ｉ ｔ ｔ ｓ 提 出 神 经 元 生 物 学 模 型 以来 ， 人 工 神经 网 络 经 过 不 断 地 发 展 成 熟 ， 至 今 已经 广 泛 地 应 用 于各 个 领 域 。本 文 将 图 像 的 像 素 特 征 和 矩 特
器性 能 更 好 。
关键词 ： 神经 网络 ； 数 字识 别； 特征提取 中图分类号 ｉ ＴＰ ３ １ ２ 文献标识码 ｉ Ａ 文章 编 号 ： １ ６ ７ ２ — ７ ８ ０ ０ （ ２ ０ １ ４ ） ０ ０ ２ — ０ ０ ５ ８ — ０ ３
量， 得 到 图像 的 ２ ５ ６维 像 素特 征 。
将 １ ６＊１ ６的 二 值 图像 矩 阵 转 化 为 ２ ５ ６维 的 ０ 、 １向
其 相 应 的 中心 距 定 义 为 ：
６
７
７
９
３
４
４
１ 图 像 特 征 提 取
特征 提取 是 根 据 测量 数 据 确定 出对 分 类 有 意义 的数 据 作 为 特征 数 据 ， 这 些特 征 类 内样本 距 离 应 尽 量小 ， 类 间 样 本
距 离应 尽 量 大 ］ 。特 征提 取 算 法 应具 有 较 高 的 稳 定 性 和 鲁 棒性 ， 同 时又 便 于 提 取 ， 易 于 实 现 。在 特 征 提 取 之 前 ， 需 要 对 图像 进 行 预 处 理 。首 先 ， 将 图像 进 行 二 值化 处 理 ， 保证 目
１ ． ２ Ｈｕ矩 特 征 提 取
不变矩是描述 图像 的方法 之一ｌ 。矩 不 变 量 由于 具
标像素值为 １ ， 背景像 素值为 ０ ； 然后 ， 将图像归一化为 １ ６＊ １ ６ 像素大小 。在完成图像二值化和归一化 的基础上 ， 再对
图像 的像 素特 征 和 Ｈ ｕ矩 特征 进 行 特征 提 取 。
１ ． １ 像 素 特 征 提 取
有 不 随 图像 位 置 、 大 小和方 向而变化 的特 点 ， 对 于提取 图 像 中的 形 态 特 征 来 说 ， 是 一 个 非 常 有 效 的 工 具 。 区 域
ｆ （ ｘ， ）的 （ ＋ ｑ ）阶 矩 定 义 为 ：
：
∑ ∑ｚ ～ Ｙ ｆ （ ｘ ， ）户 ， ｑ ＝ｏ ， １ ， ２ ， … （ １ ）