本文關(guān)鍵詞：手寫漢字的識別算法研究及系統(tǒng)實(shí)現(xiàn)

  更多相關(guān)文章： 手寫體漢字 預(yù)處理 一維傅里葉描述子 BP神經(jīng)網(wǎng)絡(luò)

【摘要】：手寫漢字識別是圖像模式識別領(lǐng)域的研究熱點(diǎn)之一,涉及到圖像預(yù)處理、特征提取以及識別分類設(shè)計(jì)等多個(gè)關(guān)鍵技術(shù)。其中漢字特征提取是最為關(guān)鍵的部分。有效的特征提取方法能夠迅速、精準(zhǔn)地識別出漢字的整體特征。則本文的具體工作如下:1.漢字圖像的預(yù)處理。整個(gè)過程包括圖像的采集、灰度化、平滑去噪、二值化、漢字分割及漢字輪廓圖像的獲取等步驟,并對其各個(gè)步驟進(jìn)行了詳細(xì)的介紹。漢字圖像的預(yù)處理為接下來的特征提取和分類識別提供了極大的方便。2.漢字圖像的特征提取。針對不同漢字有著不一樣的輪廓特征,本文主要采用傅里葉描述法進(jìn)行漢字的特征提取。首先是對漢字輪廓連通域的獲取,接著對其各個(gè)連通域等間隔取邊界點(diǎn),然后對邊界點(diǎn)做其離散傅里葉變換(DFT),并對傅里葉變換結(jié)果歸一化,得到具有旋轉(zhuǎn)、平移和尺度不變性的特征描述子,即傅里葉描述子。在使用DFT的低頻分量時(shí),該方法可以有效抑制高頻雜波,增強(qiáng)魯棒性,并起到特征壓縮的功效,而且對漢字的旋轉(zhuǎn)、平移及大小具有不敏感性。3.手寫體漢字的分類識別。主要介紹了隱馬爾科夫模型、最近鄰(KNN)分類法、自適應(yīng)增強(qiáng)算法(Adaboost)和BP神經(jīng)網(wǎng)絡(luò)分類法。綜合分析四種分類法的原理及特點(diǎn)并借鑒以往的經(jīng)驗(yàn),最終選擇BP神經(jīng)網(wǎng)絡(luò)作為實(shí)現(xiàn)手寫漢字識別的分類方法。4.手寫漢字的系統(tǒng)實(shí)現(xiàn)及其實(shí)驗(yàn)結(jié)果分析。使用MATLAB設(shè)計(jì)人機(jī)交互界面,實(shí)現(xiàn)對手寫漢字的識別,并統(tǒng)計(jì)實(shí)驗(yàn)結(jié)果。
【學(xué)位授予單位】：內(nèi)蒙古大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前8條

1 宋瑩;王展青;陳_g;;基于并行模板的手寫體漢字串行細(xì)化算法[J];武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版);2014年06期

2 張永宏;吳鑫;;BP神經(jīng)網(wǎng)絡(luò)在圖像字符識別中的改進(jìn)和應(yīng)用[J];南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年06期

3 徐勇;;神經(jīng)計(jì)算機(jī)的人工神經(jīng)網(wǎng)絡(luò)實(shí)用化研究[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2012年14期

4 金鑫;;一種具有反饋機(jī)制的名片信息分類方法[J];電子科技;2012年01期

5 張建明;王娟;張菊;杜丹;房芳;;基于條件筆畫密度提取的文本定位方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2011年10期

6 趙繼印;鄭蕊蕊;吳寶春;李敏;;脫機(jī)手寫體漢字識別綜述[J];電子學(xué)報(bào);2010年02期

7 鐘國華,金連文;手寫體漢字扇形彈性網(wǎng)格特征提取的新方法[J];計(jì)算機(jī)工程;2002年11期

8 馬少平,夏瑩,朱小燕;基于模糊方向線素特征的手寫體漢字識別[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);1997年03期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 唐s，

本文編號：1277475