基于卷積神經網絡的聯機手寫漢字識別系統.pdf

1、在聯機手寫識別系統中，通常是根據手寫字符的筆畫、筆順以及軌跡序列進行特征提取。對于漢字來說，其結構復雜，形近字較多，而且由于不同人的書寫習慣不同導致漢字的書寫形變差異也較大，大大增加了提取聯機手寫漢字穩(wěn)定特征的難度。近年來，卷積神經網絡可以自動提取輸入數據的特征而不需要顯式的構造，這就減少了人為干預帶來的誤差，卷積神經網絡的這一特征應其在圖像處理領域獲得了廣泛應用。對于手寫漢字來說，卷積神經網絡可以通過對局部視野域內的特征進行卷積操作，

2、從而從手寫漢字的局部特征入手，生成更具代表性的特征。因此，探討如何將卷積神經網絡應用到聯機手寫漢字的特征構造與字符識別中就具有一定的可行性。
　　本文在考慮手寫漢字采集特點以及漢字形變多樣性的情況下，提出一種基于卷積神經網絡的聯機手寫識別系統，系統的實現主要包括三個部分：首先是對采集的點信息進行規(guī)整化和必要的插值操作，以完成數據的規(guī)范化，在該規(guī)范化處理過程中，本文使用了線性規(guī)整化和線性插值的方法。然后構造并訓練了卷積神經網絡與八方

3、向特征相結合的網絡結構，該結構利用八方向特征調節(jié)卷積神經網絡的卷積層特征參數，生成與八方向特征較少交集的卷積層特征。最后將該卷積層特征與八方向特征一起經歸一化后傳入隱藏層進行訓練并進行手寫漢字分類。
　　實驗中，本文以哈爾濱工業(yè)大學深圳研究生院采集的HIT-OR3C、華南理工大學采集的SCUT-COUCH2009以及中國科學院采集的CASIA-OLHWDB1.0和1.1的數據集進行訓練，以2010、2011以及2013年ICDAR