手写体签名的特征提取

不同特征提取的手写签名识别方法研究

摘要

引言

在当今社会的各种经济活动中，人们越来越多的用手写签名来代替印章，尤其是在办公自动化、邮政系统等诸多方面的信息处理中。例如：各种文书、合同、协议、支票等文件通常要求当事人亲笔签名；各国政府之间的协议和备忘录的签订，官方文件以及法令和法规的颁布，银行支票的签署和汇兑，都需要当事人亲笔签名才能生效。签名鉴定在国外，尤其是在北美和西欧，是普遍接受的身份辨识方法之一。在计算机安全领域中，基于人的行为特征的手写签名识别技术具有方便、实用、低成本并符合人的生活习惯等特点，理所当然地受到了广泛的关注。

手写签名识别系统利用计算机自动识别手写签名样本是某个特定人亲自签署的“真签名”还是别人模仿的“伪签名”。在办公自动化和公共安全方面，签名识别的重要性日益明显，在大多数企业，尤其是经常需要颁布或签署文件的行政部门来说，通过辨识签名的真伪来确定身份的方式易于被人们所接受。由于签

名识别具有良好的应用前景和巨大的商业价值，世界各国许多学者和研究机构都已表现出极大兴趣，国内近几年也逐步开始了对中文签名认证的研究工作。

1绪论

1.1研究计算机识别签名的目的及意义

手写签名识别系统利用计算机自动识别手写签名样本是某个特定人亲自签

署的“真签名”还是别人模仿的“伪签名”。在办公自动化和公共安全方面，签名识别的重要性日益明显，在大多数企业，尤其是经常需要颁布或签署文件的行政部门来说，通过辨识签名的真伪来确定身份的方式易于被人们所接受。由于签

手写字符识别涉及模式识别、图像处理、数字信号处理、自然语言理解、人丁智能、模糊数学、信息论、计算机、中文信息处理等学科，是一门综合性技术，它在中文信息处理、办公室自动化、人工智能等高技术领域，都有着重要的实用价值和理论意义D1。手写文本、信封、票据表格和签名等的计算机自动阅读都具有十分诱人的应用背景，因此吸引了许多研究者的关注。手写字符和数字识别技术一旦研究成功并投入应用，将产生巨大的社会和经济效益。

目前，人们在汉字识别领域己经取得了相当的成就，但是由于汉字识别的复杂性，其具体实现一直难以做到速度与效率的完美组合。日前在国内外，多字体

印刷体字符的识别系统已达到相当高的识别率，不少 OCR系统已成为成熟的软件产品。研究手写体字符识别就是为了使识别系统能够实用化，并可以推广应用

到其他的字符识别领域中去。由于手写体汉字的随意性和不同汉字间相似性很大，所以识别的难度很大，在整个字符识别领域中，最为困难的就是脱机手写字符的识别。无约束手写体汉字识别一直是模式识别中的一个热点和难点，到目前

为止，尽管人们在脱机手写英文、汉字识别的研究中已取得很多可喜成就，但距

实用还有一定距离。手写数字识别这个方向上，经过多年研究，研究工作者己经开始把它向各种实际应用推广。然而，对于自由手写体汉字识别而言，任重道远，仍需要科研人员不懈的努力，但是不应该就此悲观，随着计算机技术的突飞猛进和人脑功能的进一步揭示，可望在不远的将来发现人脑的识字机理，建立在此基础上手写汉字识别的理论和方法将会有质的飞跃。

1.2签名识别的系统描述

一般情况下，签名识别系统构成如下图。其中任何一个环节的处理效果的好

坏，都会影响到最终的识别结果。最关键的换就是签名特征提取的设计。

1.3特征提取的基本思路

特征提取是指在原始数据集的基础上，通过变换或组合创建新的特征。它是对提供的数据集进行变换和组合的操作，它产生的特征较原始数据集对模式具有更明显的区别作用。在离线签名识别系统中，通过对签名的二维图像进行一定的处理和变换以提取代表该签名的特征，这就是特征提取过程。

在签名识别中，特征的分类方式众多，常用的分类方式把提取的特征分为全局特征、统计特征和形状几何结构特征三类。具体情况见下表。

表1-1脱机签名特征提取的主要方法

特征类型具体特征简要说明全局特征签名重心求签名重心坐标

签名的倾斜特征签名与水平方向的整体倾斜特征

矩该特征具有尺度、平

移和旋转不变性

数学变换后得到的系数

利用一些数学变换对签名进行分析，提取特征

统计特征基于分割的统计特征签名进行分割后，对

得到的每个区域或基元提取统计特征

投影中心投影，水平或垂

直投影

纹理特征纹理提供了对线性、

方向性和周期性等属性的度量，最通用的方法灰度共生矩阵

形状几何结

构特征形状描述子利用描述子描述签名的轮廓

几何结构特征

通过对签名的几何结构进行量化来反映签名形状结构及笔段的变化

全局特征及整个签名作为特征提取单元，把从整个签名中得到的表征整体特征的参数作为特征。此类特征具有较强的抗干扰能力，匹配分类方便，速度也较快，但由于对签名细节区分能力弱，对签名的变形敏感，所以一般用于随机和简单伪签名的检测。

统计特征用签名的像素值、特殊点、笔划或笔段的方向及位置分布等统计信息作为特征。盖雷特征受签名的整体形变影响相对较小，在许多文献中经常使用。

形状几何结构特征既包括签名的全局特征，又包括签名的局部特征，主要表征签名的全局或局部的形状结构特征及相关笔段间的结构关系。此类特征对签名形变的容忍度最好，而且部分形状几何结构特征还有尺度不变性、平移不变性。

论文就基于MATLAB软件对手写体签名中特征提取进行了分析。获得的签名数据一般是含有背景或噪音的灰度图像。预处理阶段主要进行签名定位、去掉签名的背景和签名归一化、去噪等操作。之后进行特征提取，尽量达到不仅能表达出不同签名者的书写风格，又能容忍来自同一个书写着每次书写时产生的自然差异，即尽可能加大类间距，减小类间距。特征提取后，签名图像则有一组特征向量来表征。

1.4 MATLAB的基本介绍

MATLAB是矩阵实验室(Matrix Laboratory)之意。除具备卓越的数值计算能力外，它还提供了专业水平的符号计算，文字处理，可视化建模仿真和实时控制等功能。

MATLAB的基本数据单位是矩阵，它的指令表达式与数学，工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完成相同的事情简捷得多。

当前流行的MATLAB 7.0包括拥有数百个内部函数的主包和三十几种工具包(Toolbox)工具包又可以分为功能性工具包和学科工具包。功能工具包用来扩充

MATLAB的符号计算，可视化建模仿真，文字处理及实时控制等功能。学科工具包是专业性比较强的工具包，控制工具包，信号处理工具包，通信工具包等都

属于此类。

开放性使MATLAB广受用户欢迎.除内部函数外，所有 MATLAB主包文件和各种工具包都是可读可修改的文件，用户通过对源程序的修改或加入自己编写程序构造新的专用工具包。

数据获取与预处理

手写签名的随意性较大，又受环境、心情等因素影响，不可避免地出现签名大小、方向等存在一定的差异，而这些差异会影响后续的识别结果。本文中的预处理就是对签名图像进行位置调整和大小归一，为后面的特征提取与识别奠定基

础。

2.1数据获取

数据采集是指利用某种装置将签名样本的信息转化为离散的数字信息输入计算机。所采用的数据采集装置根据在识别过程中所采用的信号而定，采集到的

签名样本的质量对于后面的处理过程和识别性能具有重要的影响。

实验所用的样本是用普通钢笔自由书写在打印纸上的。我们使用的图像输入

设备是microtek扫描仪。图像扫描仪的扫描精度和所能获取签名信息的大小直接相关。签名识别时就是从预处理过的签名中提取特征，对待识别样本进行识别真

伪。因此签名图像的清晰度是影响签名识别系统性能的重要因素，也是离线签名

识别系统中的一个很重要的参数。常用的图像扫描精度有200dpi, 300dpi, 600dpi

种。扫描精度越高，签像的清晰度就越高，包信息量就越大，这对签识别应该有利。

随着清晰度的增

高，数据量也不断增大，同时所需内存和处理时间也增加，识别速度受到明显的

影响，但是分辨率太低就会使我们得不到足够的识别信息、。综合各方面的因素，我们选择了 300dpi的扫描精度，以256级灰度方式输入计算机，存为bmp文件。每个原始签名图像经过手工分割去除，并按照一定的命名规则单独存为 bmp文

件。之后，签名系统针对这种 bmp图进行签名识别。

2. 2二值化

得到的原始签名图像都是灰度图像，其灰度信息会对签名形状的比较造成干扰，所以需要对签名图像进行二值化，将背景与文字部分分割开。

观察采集到的签名图像，如图2-1所示，其直方图都具有比较明显的双峰性，所以本文采用最大类内类间方差比法对图像进行二值化。

考虑到，当对象物和背景的灰度分布具有双峰分布的特性时，最大方差比确定阈值方法是很有效的。这种方法利用 Discrim inant An alysis的原理对灰度图像进行二值分割。定义如下分离度仃)为最大值的T即为最佳阈值。

(2. 1)

其中，、；(T)是类间方差(interclass varianee) ｝、W(T)是类内方差(intraclass

varia nee)，它们可由以下的公式计算得到

类内方差：

(2.2)

类间方差：等几

名图

含的

名的弗=①（A -旳F + 5（角-Ar）

这里4 ■ 4 =昇（为全局方差）,和分别是Ci和C2的发生概率（标准化后的像素数）,和以及和分别属于累Ci和类C2的像素灰度平均值和灰度的方差。用该方法二值化后的效果图如图2-1的图（C）所示。

2.3 去噪

观察签名图像二值化后的图像可知，如图2-4 （a）所示，签名图像的噪声点是

由于纸张粗糙程度不同或书写时不小心留下的墨水斑点。为此本实验采用中值滤波的方法进行去噪。

另外许多签名的区域会有一条竖线（如图2-_5所示的签名的侧边），这些都

会对签

名识别带来影响，必

需消除

这些噪声。对于扫描

（或成像）

过程中引入的噪声

可以使

用空间域滤波、频率

域滤波

技术或者开闭操作

予以消

/、 , 、r 除。对于竖线，因为

i=r -r. r. 丄 rt “ 口一1—- —r~-

它并不是一种随机噪声，而

是印刷时为了标明签名区域加入的，对于这种竖线的消除为了尽量减小对于原始签名图像的改变，不使用滤波技术，而是采用下面这种方法。通过观察，这样的竖线通常只有一个像素的宽度，即位于竖线上的像素其八领域的像素点分布如图 2-6所示:因此，只需要消除签名图像中，其八领域满足图2-6所示的分布的像素。

引值，如图 2-7

所示。那么对应于一个3x3的二值像素区域，其共有的29 = 512种像素分布方式（2, 3）

厂坷）代+工3厂岛）F

JiES]

为了提用一种称之

法，这种方

3x3像素区 0 0 0 0 0 0 0 0 0

1 1 1 ]1 0 0 1 1

合集下载

脱机手写体数字识别研究综述

云南民族大学学报：自然科学版，２０１３，２１（Ｓ１）：６７—７１　

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７２—８５１３．２０１３．Ｓ１．０１７　ＣＮ　５３—１１９２／Ｎ　１ＳＳＮ　１６７２—８５１３　ｈｔｔｐ：／／ｘｂ．ｙｎｎｉ．ｅｄｕ．ｅｎ　

脱机手写体数字识别研究综述　

王　琳　

（云南民族大学电气信息工程学院，云南昆明６５０５００）　

摘要：介绍了目前脱机手写体数字识别在预处理、特征提取、分类识别３个阶段主要采用的方　

法，比较了各种方法的优缺点，并提出了一种将相关向量机有效地用于解决多分类问题的方法．　

最后指出今后研究中需要注意的问题和方向．　

关键词：数字识别；预处理；特征提取；分类识别　

中图分类号：ＴＰ　３９１．４３　文献标志码：Ａ　文章编号：１６７２—８５ｌ３（２０１３）Ｓ１—００６７—０５　

Ａ　ｓｕｒｖｅｙ　ｏｆ　ｏｆｆ——ｌｉｎｅ　ｈａｎｄｗｒｉｔｔｅｎ　ｄｉｇｉｔｓ　ｒｅｃｏｇｎｉｔｉｏｎ　

ＷＡＮＧ　Ｌｉｎ　

（Ｓｃｈｏｏｌ　ｏｆ　Ｅｌｅｃｔｒｏｎｉｃｓ　ａｎｄ　ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｙｕｎｎａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｎａｔｉｏｎａｌｉｔｉｅｓ，Ｋｕｎｍｉｎｇ　６５０５００，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｔｈｉｓ　ｐａｐｅｒ　ｓｕｒｖｅｙｅｄ　ｔｈｅ　ｍａｉｎ　ｔｅｃｈｎｉｑｕｅｓ　ｉｎ　ｔｈｒｅｅ　ｐｈａｓｅｓ：ｐｒｅ—ｐｒｏｃｅｓｓｉｎｇ，ｆｅａｔｕｒｅ　ｅｘｔｒａｃｔｉｎｇ，ｃｌａｓｓｉｆｉ—　

ｃａｔｉｏｎ　ａｎｄ　ｒｅｃｏｇｎｉｔｉｏｎ．Ａｎａｌｙｚｅｄ　ｔｈｅ　ｓｔｒｏｎｇｐｏｉｎｔ　ａｎｄ　ｓｈｏｒｔｃｏｍｉｎｇ　ｏｆ　ｅｖｅｒｙ　ｍｅｔｈｏｄ　ａｎｄ　ｐｒｏｐｏｓｅｄ　ａ　ｎｅｗ　ｉｄｅａ，ｂｙ　

ｗｈｉｃｈ　ＲＶＭ　ｃａｎ　ｂｅ　ｅｆｆｅｃｔｉｖｅｌｙ　ｕｓｅｄ　ｔｏ　ｓｏｌｖｅ　ｔｈｅ　ｍｕｌｔｉ—ｃｌａｓｓ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｐｒｏｂｌｅｍ．Ｆｉｎａｌｌｙ，ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ｃｕｒ—　

基于粗糙集的手写体数字识别多分类器

第８卷第１０期２００８年５月　１６７１・１８１９（２００８）１０・２７１１・０４　科学技术与工程　Ｓｃｉｅｎｃｅ　Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｖｏ１．８　Ｎｏ．１０　Ｍａｙ　２００８　⑥２００８　Ｓｃｉ．Ｔｅｃｈ．Ｅｎｇｎｇ．　

基于粗糙集的手写体数字识别多分类器　

宋　丹　

（湖南财经高等专科学校信息管理系，长沙４１０２０５）　

摘要提出了一种新的手写体数字识别方法。首先采用多分类器提取手写体数字的各类特征，以提高识别正确率；然后利　用粗糙集对这些特征属性约简来提高识别速度。测试结果表明，该算法的提出是成功的。　

关键词手写体数字　多分类器　粗糙集　图像识别　中图法分类号ＴＰ３９１．４；　文献标志码Ａ　

由于每个人的手写习惯不同，手写体的识别难　

度大于印刷体的识别难度。不少研究人员在这一　

领域进行了研究和探讨，金连文等在手写体汉字的　

特征提取上提出基于数学形态学的方法　；针对手　

写体数字识别，汪庆同采用神经网络和多层次信息　

融合的方法来进行分类识别＿２　；朱辉等利用支持向　

量机进行小字符集手写体汉字识别　Ｊ。本文采用　

多分类器（多类特征识别）方法来识别手写体数字，　

提取的特征全面；然后，利用粗糙集对这些条件特　

征属性约简至最小属性子集，在保证高效率的前提　

下加快了识别速度。最后，通过算法对测试集的测　

试，其结果表明该方法快速、有效。Ｍａｔｌａｂ６．５作为　

一种快速开发工具，提供了许多实用的工具箱（内　

含许多子函数），具有强大的数值处理功能和图像　

处理功能，采用Ｍａｔｌａｂ６．５作为开发工具对图像进　

行预处理并编写程序进行测验运行。　

在模式识别研究中，分类器的构造是其中一个　

重要的领域，其中分类器组合为更多的研究者所采　

用。张丽采用基于置信度的手写体数字识别多分　

类器动态组合取得较好的识别效果　；刘宁钟等利　

用遗传算法与多分类器相结合，提高多分类器的识　

别速度　；童学锋采用模糊支持向量机运用于多分　

基于 ART2 神经网络的脱机手写吾美藏文基字识别

网络与通信・Ｎｅｔｗｏｒｋ＆Ｃｏｍｍｕｎｉｃａｔｉｏｎ　基于ＡＲＴ２神经网络的脱机手写吾美藏文基字识别　本文通过对吾美藏文手写体　特征的深入分析研究，结合现在　比较流行的神经网络识别技术，　提出了一套基于ａｒｔ２神经网络分　类器的脱机手写吾美藏文识别方　案。实验表明，依赖特定人的藏　文辅言字母识别率达９０％左右。　【关键词】吾美藏丈手写识别特征提取神　文／赵冬香　选择和频率选择特性，可有效进行字符特征提　取。　利用该滤波器提取字符特征前，我们先　对字符进行归一化处理。然后将字符按５ｘ５规　格划分网格，得到２５个网格，选取每个网格　中点作为采样点，进行特征提取；再选择水平、　左对角线、垂直、右对角线四个方向特征，每　个字符共提取５ｘ５￣４＝１００个特征，组成１００　维特征向量，作为ＡＲＴ２网络的输入矢量。　经网络　２・２　ＡＲＴ２神经网络分类器　１引言　藏文结构和汉字不同，类似于汉字的拼　音，一般藏文单音节的结构顺序为：前加字＋　上加字＋基字十下加字＋元音＋后加字＋后　后加字，一个藏文单音节最多由一到七个字符　组合。如下图示例：　气’　’　司嘲’　Ｓ司　’　（日　’　１　由此可见藏文结构的复杂性，鉴于时间所　限，本文的识别方案暂时只限于对藏文的３Ｏ　个辅音字符识别，在保证一定的识别率基础上，　后期将逐渐涉及到藏文音节的识别。　２识别系统设计　本文之所以提出基于ＡＲＴ２神经网络的识　别方法，是因为现在已较多的将神经网络应用　于文字识别上，尤其是ＢＰ神经网络。但是，　ＢＰ网络在文字识别上存在一定问题，例如训　练时间长，不能自学习，收敛速度慢等。而　ａｒｔ２神经网络由于其自身特点，有效避免了上　述问题。　Ａｒｔ２网络是自组织的实时学习，能迅速　识别已学习的样本，并适应未学习的新样本。　可以进行无教师无监督的自学习。有效解决了　在使用ＢＰ网络时遇到的问题，因此该算法非　常适合于手写体文字识别。　２．１藏文特征提取　文字识别最重要部分之一是特征提取。　虽然每个字符提取的特征越多，识别率越高，　但过多特征输入，会导致识别速度严重下降，　学习模式大量增加，这都是文字识别中要避免　的。　因此，经过多种比较，我们选择Ｇａｂｏｒ滤　波器进行藏文特征提取。由于其具有明显方向　２－２．１分类过程　设置参数，取０＝０．１，ｌａ＝０．０００　１，Ｐ＝Ｏ．　９９５，ａ＝７．０，ｂ＝１０．０，ｃ＝０．１，ｄ＝０．８，ｅ＝０．０００　００１　，此时，该神经网络的稳定性强较。　ＬＴＭ系数初始化。学习开始时，第一个　输入模式进入ＡＲＴ２网络，由于网络的Ｆ２层　暂时只一个神经元，该神经元就被选中。如果　后面输入模式与其不匹配，就随机分配新神经　元，同时再初始化ＬＴＭ系数。每次只一个新　的神经元可选择并激活，即输入模式被存贮到　一个新模式类中。当随机分配新神经元时，要　初始化ＬＴＭ系数，设置（０ｉ；＝０，而　０．５　ｑ一　（ｎ是输入特征向量维数）　首先输入特征向量ｘ＝【ｘｎ，Ｘ　，Ｘ　，．．．，　Ｘｎ．Ｉ］Ｔ，再计算Ｆ１层各神经元的值，得到上层　模式Ｐ和中间模式Ｕ。Ｐ进入Ｆ２层，通过竞　争选出最佳神经元。再依据Ｆ２层的反馈重新　计算Ｐ。　对Ｐ与ｕ相似度进行警戒测试。如果当　前测试的神经元Ｊ是一个没被执行的神经元　（即∞．．＝０），则说明特征样本和Ｊ所代表的模式　类别相似，该神经元通过测试，进行下一步。　若当前测试的神经元是一个己执行的神　经元（（０．　≠０），那根据相似度定义计算　。　若ｌＲｌ　Ｐ，则ｘ与Ｆ２层中已学习的第Ｊ类模　式匹配失败，其最佳神经元ｔＪ没通过测试，　此时，Ｆ２层根据调整子系统发的重置信号，　屏蔽ｔＪ，转上一步，重新比较搜索。这时开辟　一个新神经元，创建一个新类别，还要调整　ＬＴＭ系数和；反之，若ＩＲｌ＞ｐ，则Ｆ２层的最　佳神经元ｔＪ通过测试，即ｘ与Ｆ２层的第Ｊ类　模式匹配，可转下一步。　通过多次重复学习，结果稳定后，全部输　入模式被分成不同子类别，权重系数ＬＴＭ将　不再改变，确定长期保存并使用。　２．２．２识别过程　识别过程不需重新设计参数和初始化权　３．４・电子技术与软件工程Ｅｌｅｃｔｒｏｎｉｃ　Ｔｅｃｈｎｏｌｏｇｙ＆Ｓｏｆｔｗａｒｅ　Ｅｎｇｉｎｅｅｒｉｎｇ　值。它主要是从Ｆ２到Ｆ１向神经网络输入已学　习的各有效模式，与未知模式比较，得到己知　模式与未知模式的匹配度ｌＲＩ，将未知模式划　分到最匹配一类。识别过程中，Ｆ１、Ｆ２之间　的权重系数ＬＴＭ不变，输入模式经反复学习　和迭代最终稳定。　３结论　实验对吾美藏文三十个辅音字母进行测　试，采用的样本数据由本人书写。每个辅音字　母测试１００次，识别率基本９０％以上，证明　ａｒｔ２分类器识别效果较好。由于训练样本库是　基于本人笔迹风格建立，对其他人的手写藏文，　识别率要低一些，但经过一些学习，也可达到　预期识别效果。测试结果如下：　实验表明，两组字符　和ｑ’９’　识　别率相对较低，主要由于其笔划及字形较接近，　书写时若字太小，则区分困难。所以，在书写　时尽量将字写大点，笔划间距拉大，识别率有　明显提高。由上表可见，ａｒｔ２网络分类器的识　别率在８９％９８％之间，各藏文字符之间识　别率差别不大，初步达到了预期效果，这说明　我们探索的基于ａｒｔ２神经网络识别方案是可行　的，我们将在后期进一步改进完善该系统，争　取早日投入使用。　参考文献　［１］史涛．脱机手写体汉字识别系统【Ｄ】．南　京：南京航空航人大学，２　００８．　【２］何志国，曹玉东．脱机手写体汉字识别综　述［Ｊ］．计算机工程，２００８，３４（１　５）：２０１—　２　０４．　［３】王华，丁晓青．一种多字体印刷藏文字符　识别方法【Ｊ】．计算机工程，２００４：１　３—１８．　［４］吴佑青，丁小青．汉字识别一原理方法与　实现【Ｍ】．高等教育出版社，１　９９２：７　５．　作者简介　赵冬香（１９７７一）女，硕士研究生，毕业于青　海师范人学，研究方向：图像识别技术。　作者单位　凯里学院贵州省凯里市５５６０１１

基于GABP神经网络的脱机手写藏文识别方法

摘要：通过对当前流行的各种识别技术进行分析比较，在对藏文手写体特征展开深入研究的基础上，考虑到将来的研究趋势及可扩展性，提出了一套基于手写藏文识别的技术方法，即基于GABP神经网络的藏文识别方案，并着重对手写藏文识别中的特征提取和分类器设计进行了分析，提出了藏文识别领域今后的发展方向。

关键词：脱机手写藏文识别；GABP神经网络；特征提取

0引言

模式识别在各个领域中的应用非常多，从这些应用中可以看到它们的共性，即一个模式识别系统通常包括原始数据的获取和预处理、特征提取与选择、分类或聚类、后处理4个主要部分。其中藏文识别需要解决的关键问题是模式分类，其理论基础是模式识别技术，其中最常用的方法是统计模式识别方法和结构模式识别方法。近年来也有很多人将隐马尔科夫模型用于手写识别领域，取得了良好的效果。本文主要介绍统计模式识别、结构模式识别以及使用较多的隐马尔科夫模型和人工神经网络模型。

1模式识别

1.1统计模式识别

统计模式识别是依据统计的原理来建立分类器，其分类器设计方法主要有贝叶斯决策理论和判别函数。贝叶斯决策理论基本思想为：在类条件概率密度和先验概率已知或者可以估计的条件下，利用贝叶斯公式比较样本属于两类的后验概率，然后将类别决策为后验概率大的一类，从而使总体错误率最小。常见的一种贝叶斯决策为最小错误率贝叶斯决策[1]，其决策规律如下：

如果P（w＼-1|x）>P（w＼-2|x），则x∈w＼-1；反之，则x∈w＼-2。

通过贝叶斯公式，后验概率的比较可以转化为类条件概率密度的比较，离散情况下也是类条件概率的比较，而这种条件概率或条件密度则反映了在各类模型下观察到当前样本的可能性或似然度，因此可以定义两类之间的似然比或对数似然比进行决策。

该方法的主要优点是抗干扰能力强，且易于实现，但是应用中的主要缺点是细分能力较弱，区分相似字的能力较差。

基于整体特征的快速手写体数字字符识别

第２７卷　

ＶＯ１．２７　第２２期　

ＮＯ．２２　计算机工程与设计　

Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ｄｅｓｉｇｎ　２００６年ｌ１月　

Ｎｏｖ．２００６　

基于整体特征的快速手写体数字字符识别　

叶　飞，　黎峰　

（山东大学计算机科学与技术学院，山东济南２５００６１）　

摘　要：通过对模拟人眼识别数字字符的过程进行研究，提出了一种基于字符整体特征（凹凸特征）的快速手写体数字字符　

识别方法。该方法不需要对字符图像做复杂的细化处理，减少了细化形变可能带来的误识和拒识；也不需要进行复杂的笔　

道特征分析，因此速度非常快，同时识别率也非常高。实验结果表明谊方法具有很高的识别率。　

关键词：凹凸分析；手写体数字字符识别；整体特征；快速算法；特征提取；连通域　

中图法分类号：ＴＰ３９１　文献标识码：Ａ　文章编号：１０００．７０２４（２００６）２２．４３４７．０２　

Ｆａｓｔ　ｈａｎｄ—ｗｒｉｔｔｅｎ　ｄｉｇｉｔａｌ　ｃｈａｒａｃｔｅｒ　ｒｅｃｏｇｎｉｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ｇｌｏｂａｌ　ｆｅａｔｕｒｅ　

ＹＥＦｅｉ，　

（Ｓｃｈｏｏｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，　ＬＩＦｅｎｇ　

Ｓｈａｎｄｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｊｉｎａｎ　２５００６１，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ａ　ｆａｓｔ　ｈａｎｄ－ｗｒｉｔｔｅｎ　ｄｉｇｉｔａｌ　ｃｈａｒａｃｔｅｒ　ｒｅｃｏｇｎｉｔｉｏｎ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　ｇｌｏｂａｌ　ｆｅａｔｕｒｅ（ｃｏｎｖｅｘ　ａｎｄ　ｃｏｎｃａｖｅ　ｆｅａｔｕｒｅ）ｖｉａ　ｓｉｍｕｌａｔｉｎｇ　

ｔｈｅ　ｐｒｏｃｅｓｓ　ｏｆｈｕｍａｎ’Ｓ　ｅｙｅｓ’ｒｅｃｏｇｎｉｔｉｏｎ　ｉｓ　ｓｔｕｄｉｅｄ．　ｉｓ　ｍｅｔｈｏｄ　ｐｒｅｓｅｎｔｅｄ　ｈｅｒｅ　ｎｅｅｄｓ　ＮＯ　ｃｏｍｐｌｅｘ　ｔｈｉｎｎｉｎｇ　ｐｒｏｃｅｄｕｒｅ　ｏｎ　ｔｈｅ　ｄｉｇｉｔａｌ　ｃｈａｒａ—　

基于MATLAB的手写体数字识别算法的实现与分析毕业论文

百度文库 - 让每个人平等地提升自我

基于MATLAB的手写体数字识别算法的实现与分析

摘要

手写体数字识别是利用计算机自动辨认手写体阿拉伯数字的一种技术，是光学字符识别技术的一个分支。手写体数字识别在邮政编码、财务报表、银行票据、各种凭证以及调查表格的识别等等方面有着重要应用，由于数字识别经常涉及财会、金融领域，其严格性更是不言而喻的。所以，对识别系统的可靠性和识别率要求很高，构成了手写体数字识别面临的主要困难，大批量数据处理对系统速度又有相当高的要求。

本文基于MNIST数据集，通过Matlab平台，对决策树算法、SVM算法和人工神经网络（ANN）算法进行实现，并对分类算法的准确率进行评估。实验结果表明，人工神经网络（ANN）的准确率最高，为99.69%，SVM算法次之，准确率为94.53%，决策树算法的准确率为83.53%。三种分类算法中，决策树算法的速度最快，SVM算法的速度最慢。另外，针对每一种分类算法在MNIST数据集上的实验结果，本文还得出以下结论：

第一，MNIST数据集的归一化与否对决策树的分类效果几乎没有影响；对SVM的分类效果影响较大，未归一化时的准确率为11.35%，归一化之后的准确率为94.53%；对人工神经网络的分类效果影响较小，未归一化时的准确率为82.11%，归一化之后的准确率为99.69%。这说明三种分类算法对数据的不平衡分布的敏感程度各不相同。

第二，对于SVM分类算法，当训练数据集的样本容量小于60000（MNIST训练数据集的最大样本容量）时，该算法对测试数据集分类预测的准确率随样本容量的增大而增大。

第三，针对人工神经网络，数据类标签的表示形式对分类预测的准确率的影响较大。使用10位数据表示类标签是的准确率为99.69%，远远高于使用1位数据表示类标签时的准确率60.24%。

关键词：手写体数字识别；决策树算法；SVM算法；人工神经网络算法

基于小波分析和EMD的手写体数字字符特征表示

第３８卷第６期　２０１０年６月　华南理工大学学报（自然科学版）　Ｊｏｕｒｎａｌ　ｏｆ　Ｓｏｕｔｈ　Ｃｈｉｎａ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ　（Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ　Ｅｄｉｔｉｏｎ）　ＶＯ１．３８　ＮＯ．６　Ｊｕｎｅ　２０１０　

文章编号：１０００．５６５Ｘ（２０１０）０６—００７８－０６　

基于小波分析和ＥＭＤ的手写体数字字符特征表示米　

李合龙　王文波　张冠湘　

（１．华南理工大学电子商务系，广东广州５１０００６；２．武汉科技大学信息与计算科学系，湖北武汉４３００６５）　

摘要：针对经验模态分解（ＥＭＤ）能有效地对信号结构作出精确分辨的特点，提出了一　

种基于小波变换和ＥＭＤ的手写体数字字符特征表示方法．首先对原始数字字符进行Ｇ　

小波变换极大模预处理，得到能反应字符特征信息的光滑轮廓；然后对规范轮廓曲率序列　

作ＥＭＤ分解，以获取浓缩曲率特征的主要信息；最后对此曲率特征数据进行聚类和识别．　

实验结果表明，与经典的字符特征提取算法相比，文中方法具有更好的聚类效果，提高了　

分类器的分类设计能力．　

关键词：特征提取；小波变换；经验模式分解；曲率　

中图分类号：ＴＰ３９１．４３　ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１０００．５６５Ｘ．２０１０．０６．０１５　

字符识别主要用于处理两大类信息，一类是文　

字信息，如各国家、各民族的文字（如汉字、英文等）　

书写或印刷的文本信息；另一类是数据信息，主要是　

由阿拉伯数字及少量特殊符号组成的各种编号和统　

计数据（如票据金额）．字符识别主要包括对字符的　

检测与分析、预处理、字符信息特征提取和分类　

等¨　．其中，特征提取是整个字符识别尤其是手写　

体数字字符识别中最为关键的一环，特征提取的好　

坏直接影响识别率的高低．手写体数字识别（ＨＮＲ）　

是光学字符识别（ＯＣＲ）技术的一个分支，随着光学　

字符识别的发展受到了人们的广泛关注，是模式识　

别、人工智能的一个重要组成部分，在办公自动化、　

基于GA_BP神经网络的脱机手写藏文识别方法

龙源期刊网

基于神经网络的脱机手写藏文识别方法

作者：梁会方

来源：《软件导刊》2013年第09期

关键词：脱机手写藏文识别；GABP神经网络；特征提取

中图分类号：TP317.2 文献标识码：A 文章编号：16727800（2013）009007902

基金项目：青海省普通高等学校研究生创新项目

作者简介：梁会方（1987-），女，青海师范大学计算机学院硕士研究生，研究方向为藏文信息处理。

0引言

1模式识别

1.1统计模式识别

基于FPGA的手写体数字识别与实现

一、内容概要...............................................3

1.1 数字识别的重要性.....................................4

1.1.1 自动文档处理.....................................5

1.1.2 数据输入效率.....................................6

1.1.3 自动化和机器人系统...............................7

1.2 FPGA在数字识别中的应用...............................8

二、相关技术回顾...........................................9

2.1 手写体数字识别的方法学..............................10

2.1.1 模板匹配........................................12

2.1.2 特征提取........................................13

2.1.3 神经网络和机器学习..............................14

2.2 FPGA技术基础........................................15

2.2.1 FPGA的硬件逻辑..................................16 2.2.2 FPGA的重新配置能力..............................16

2.2.3 FPGA在快速处理的应用............................17

细化算法在手写体字符识别中的应用

龙源期刊网

细化算法在手写体字符识别中的应用

作者：李永江潘保昌郑胜林

来源：《现代电子技术》2008年第12期

摘要：在手写体字符识别的研究中,在提取特征的过程中需要提取字符的骨架信息，所以要对每一个字符进行细化处理。在研究S和LW细化算法的基础上，采用串行细化与并行细化相结合的方法,并引入一些模板改进算法使其能够有效去除多余枝杈和冗余像素的问题;通过对手写体数字、字母的文字进行测试，表明该细化效果较好，并有一定的实用价值。

关键词：骨架;连通;模板;串行细化;并行细化

(College of Information Engineering,Guangdong University of

Technology,Guangzhou,510006,China)

Abstract：In the study of handwriting recognition,getting the skeleton information is needed in

the process of extracting features,so we should thin every character before that.Based on the study of

S and LW thinning algorithms，rallel thinning methods

and bring some template to improve the thinning algorithm and make it successfully solve the

problems such as needless trees and useless pixel.After testing in handwriting number and letters,it

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。