基于结构特征的自由手写数字识别系统

摘要

本文设计了一种基于结构特征的自由手写数字识别算法，形成了一个完整的手写数字识别处理过程。该过程采用了AT＆T贝尔实验室的MNIST手写数字识别评测数据库。MNIST包含60000个训练样本，以及10000个测试样本，来自于250人。处理过程的建立与训练就是以这60000个样本为对象的。过程中首先对样本进行预处理，包括，平滑去噪、闭合、细化等处理，最终会形成与样本文件同样大小的文件，其中每个样本都已经进行了预处理，这样在后面的操作中处理的对象便是已经做过预处理的样本。随后便准确的提取样本的特征，比较特征在样本类之间的差异性，对特征进行甄选，形成有效的特征集，利用特征在各类之间的差异性，形成识别规则，计算隶属度，最终形成一套完整的识别系统，完成对字符的识别。 整个过程在MNIST样本库基础上进行训练，确定各识别参数，形成识别系统，最终的识别测试表明该系统能有效地对自由手写数字进行识别，对10000个测试样本的以别，准确率达91％以上，该识别过程中所采用识别方法容易实现，复杂度较低，有效得对样本进行识别，效果理想。

目录

文摘

英文文摘

声明

第一章绪论

1.1论文研究的背景

1.2课题来源及本人主要工作

1.3组织结构

第二章样本的预处理

2.1样本格式

2.2样本文件的预处理

2.3预处理主要工作

第二章特征提取

3.1样本特征

3.2特征提取

3.2.1特征一点数

3.2.2特征二 离散度

3.2.3 特征三 横纵比

3.2.4 特征四 区间分布

3.2.5特征五 穿越次数

3.2.6 特征六 交叉点个数

3.2.7 特征七 端点情况

3.2.8 特征八 线段情况

3.2.9 特征九 闭合区域

3.2.10 特征十 特征提取结果

3.3特征提取主要工作

第四章 分类器设计

4.1 识别算法概述

4.2 识别算法

4.2.1 规则定义

4.2.2 规则识别效果

4.2.3 投票法识别

4.2.4 投票法识别效果：

4.3 分类器设计主要工作

第五章 测试效果

5.1 测试系统的构成：

5.2 识别过程

5.3 识别结果

总结与展望

致谢

参考文献