摘要:当今,计算机和数字图像处理技术不断进步,很多方面都要用到数字识别技术。目前的数字识别是由印刷体数字识别和手写体数字识别所组成的。因为每个人的书写笔记不一样,手写体数字的识别更困难,研究正处于起步阶段,识别率不高。本文主要研究手写体数字识别技术。
人工神经网络具有高度的非线性,近年来得到了迅速的发展,与外部世界交互时,因为它具备自学习、自组织能力,使我们实现一些不能用当前计算机理论达到的功能;关于那些没法创建确切数学模型的体系,神经网络有着特别的优点。
本文采取依据概率神经网络的方法来完成手写体数字识别。第一用灰度化、二值化、平滑去噪、归一化、细化等预处理。其次是对数字图像进行特征提取。最后是概率神经网络分类器的建立和识别过程,对训练后的网络模型进行测试,得出测试结果。
关键词:手写体数字识别;预处理;特征提取;概率神经网络
目录
摘要
ABSTRACT
1 引言-1
2 径向基函数网络-2
2.1 概率神经网络-2
2.1.1 模式分类的贝叶斯决策理论-2
2.1.2 概率神经网络的结构-3
2.1.3 概率神经网络的优点-5
2.2 广义回归神经网络-6
2.2.1 广义回归神经网络的理论基础-6
2.2.2 广义回归神经网络的结构-7
3 数字图像常规预处理和特征提取-9
3.1 手写体数字识别的预处理-9
3.1.1 图像的灰度化-9
3.1.2 图像的二值化-9
3.1.3 图像的去噪-10
3.1.4 图像的分割-11
3.1.5 图像的归一化-11
3.2 手写体数字识别的特征提取-12
3.2.1 手写体数字特征提取的原则-12
3.2.2 手写体数字特征提取方法-12
4 基于概率神经网络的手写体数字识别的实现-14
4.1 手写体数字识别的流程-14
4.2 样本准备-15
4.2.1 灰度化-15
4.2.2 二值化-16
4.2.3 平滑去噪-16
4.2.4 图像的归一化-16
4.3 对图像进行特征提取-17
4.4 构造分类器——概率神经网络-20
4.5 手写体数字识别的实现-21
4.6 仿真结果-22
5 总结-27
致谢-28
参考文献-29
附录-30