基于SVM的脫機(jī)手寫體數(shù)字識(shí)別的研究與應(yīng)用.pdf

1、在信息技術(shù)與多媒體技術(shù)飛速發(fā)展的今天,傳統(tǒng)的紙張文字已經(jīng)無(wú)法滿足人類日益增長(zhǎng)的需求,所以我們迫切需要把傳統(tǒng)的紙張文字信息轉(zhuǎn)化為數(shù)字化信息。目前印刷體紙張文字相對(duì)來(lái)說(shuō)比較成熟,然而手寫體文字由于書寫形態(tài)各異,識(shí)別起來(lái)比較復(fù)雜,還需要進(jìn)一步研究。而手寫體阿拉伯?dāng)?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(yīng)用要求極高的識(shí)別精度。
　　本文從手寫體數(shù)字識(shí)別的正確率和識(shí)別速度著手,研究設(shè)計(jì)了完整的基于SVM的脫機(jī)手寫體數(shù)

2、字識(shí)別的算法。首先,在手寫體數(shù)字圖像的預(yù)處理部分,針對(duì)手寫體數(shù)字的特點(diǎn),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(jié)合CCH與DCCH特征,提出了DTP特征。將預(yù)處理后的圖像進(jìn)行分塊操作,然后統(tǒng)計(jì)落在每一小分塊的CCH和DTP統(tǒng)計(jì)特征,將這些數(shù)據(jù)統(tǒng)計(jì)好就提取到了圖像的特征向量。最后,論文在對(duì)阿拉伯?dāng)?shù)字的分類識(shí)別階段,提出了一種多級(jí)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(shí)現(xiàn)粗分類;然

3、后二級(jí)分類器用SVM分別構(gòu)造兩個(gè)多分類器來(lái)對(duì)圖像樣本進(jìn)行細(xì)分類。其中構(gòu)造SVM多分類器時(shí)采用一對(duì)一投票策略,設(shè)定得票閾值,如果超過(guò)閾值即分類成功,不超過(guò)閾值就認(rèn)為該樣本是在粗分類時(shí)就錯(cuò)分了,則會(huì)把樣本輸入到第二個(gè)SVM多分類器中進(jìn)行分類。
　　本文最后在Matlab R2010軟件環(huán)境中使用MNIST數(shù)據(jù)庫(kù)中6萬(wàn)個(gè)訓(xùn)練樣本和1萬(wàn)個(gè)測(cè)試樣本進(jìn)行了實(shí)驗(yàn)測(cè)試,實(shí)驗(yàn)表明:本文設(shè)計(jì)的手寫體數(shù)字識(shí)別算法可以獲得較高的識(shí)別率和較快的識(shí)別速度,有