基于仿生模式识别和多权值神经元网络的脱机手写汉字识别研究

摘要

脱机手写体汉字识别一直是一个很复杂的模式识别问题.汉字字符集所具有的数量大,结构复杂,字形变化大等特点,使得脱机手写汉字识别成为字符识别领域最大的难题之一,但同时,脱机手写汉字识别是一个非常重要的课题之一,它的成功决定着无限制机器汉字自动识别的实现,是智能化计算机在中国真正普及的前提.该文主要在汉字字符的特征提取和自动识别方面做了如下的工作.论文首先就手写汉字识别的研究现状进行了综合论述,介绍了汉字识别的发展阶段,对各种方法进行了较为详细的介绍,对其优缺点进行了论述.论文提出了一种新的特征提取的方法.目前汉字特征提取主要分为两类:基于结构的特征提取和基于统计的特征提取方法.前者理论上而言更为准确,能体现汉字的基本特征,但是在实现问题上要准确提取出汉字结构是非常困难的;后者实现简单,也能体现汉字的一些宏观特征,但是却失去了汉字的主要结构特征,不足以描述汉字.该文提取了一种统计和结构相结合的特征提取方法,首先用基于方向码,多个分解算子相结合的方法将汉字分解为四个方向上的分量子图像,同时对汉字字符图像进行模糊网格的构造,然后以网格为单位,分别统计图像四个子图像的网格特征.最后得到特征向量.论文将

目录

文摘

英文文摘

第一章引 言

1.1汉字识别的背景与意义

1.2汉字识别的分类

1.2.1联机汉字识别(On-line Character Recognition)

1.2.2脱机汉字识别(Off-line Character Recognition)

1.3脱机手写汉字识别的发展历史与成果

1.4脱机手写汉字识别的一般流程

1.4.1预处理

1.4.2特征提取

1.4.3识别

1.5脱机手写汉字识别中存在的问题与困难

1.6当前的研究热点

1.7论文的主要工作与内容安排

第二章汉字识别方法综述

2.1汉字归一化方法综述

2.2汉字的细化方法综述

2.3汉字识别特征提取方法综述

2.3.1基于结构的特征提取

2.3.2基于统计的特征提取

2.4汉字的识别方法综述

2.4.1模板匹配方法

2.4.2人工神经网络方法(ANN)

2.4.3隐含马尔可夫模型(HMM)

2.4.4支持向量机

第三章仿生模式识别与多权值神经元网络原理

3.1仿生模式识别(Biomimetic Pattern Recognition,BPR)原理简介

3.2仿生模式识别的数学工具—高维空间几何分析理论

3.2.1神经元的多维空间几何对应

3.2.2高维空间几何的基本分析方法与定理证明

3.3仿生模式识别的实现方式—多权值神经元人工神经网络

3.4本章小结

第四章一种基于结构和统计相结合的特征提取方法

4.1汉字的预处理

4.1.1边缘检测

4.1.2图像归一化

4.2基于方向码和模糊网格的特征提取

4.2.1四方向码子图分解

4.2.2模糊网格构造

4.2.3模糊网格特征提取

4.3识别比较

4.3.1最近邻法原理

4.3.2实验结果

4.4本章小结

第五章基于仿生模式识别的手写体汉字识别

5.1基于仿生模式识别的手写汉字识别方法实现

5.2支持向量机(SVM)用于手写汉字识别

5.3实验结果与分析

5.4本章小结

第六章总结与展望

6.1总结

6.2对进一步工作的展望。

6.3结束语

参考文献

附录

致谢

声明