计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2013年
8期
316-318
,共3页
多尺度%手写体数字识别%多角度结构特征%多层次灰度特征
多呎度%手寫體數字識彆%多角度結構特徵%多層次灰度特徵
다척도%수사체수자식별%다각도결구특정%다층차회도특정
Multi-scale%Handwritten numeral recognition%Multi-angle structural features%Multi-level grayscale pixel features
针对传统特征提取方法无法有效解决书写随意性的干扰问题,提出了一种多尺度特征和神经网络相融合的手写体数字识别方法.首先提取手写体数字二值图像的轮廓、笔画次序等结构特征,并旋转坐标轴,提取多角度结构特征；然后将字符从中心点到外边框划分为K层矩形子层,提取每层图像的灰度特征,最后以两种多尺度特征构建神经网络模型,并预测测试集合样本.将该算法实际用于以MNIST字体库构建的两个数据集识别,其精度高达99.8％,并能有效降低倾斜等手写字体的随意性影响.
針對傳統特徵提取方法無法有效解決書寫隨意性的榦擾問題,提齣瞭一種多呎度特徵和神經網絡相融閤的手寫體數字識彆方法.首先提取手寫體數字二值圖像的輪廓、筆畫次序等結構特徵,併鏇轉坐標軸,提取多角度結構特徵；然後將字符從中心點到外邊框劃分為K層矩形子層,提取每層圖像的灰度特徵,最後以兩種多呎度特徵構建神經網絡模型,併預測測試集閤樣本.將該算法實際用于以MNIST字體庫構建的兩箇數據集識彆,其精度高達99.8％,併能有效降低傾斜等手寫字體的隨意性影響.
침대전통특정제취방법무법유효해결서사수의성적간우문제,제출료일충다척도특정화신경망락상융합적수사체수자식별방법.수선제취수사체수자이치도상적륜곽、필화차서등결구특정,병선전좌표축,제취다각도결구특정；연후장자부종중심점도외변광화분위K층구형자층,제취매층도상적회도특정,최후이량충다척도특정구건신경망락모형,병예측측시집합양본.장해산법실제용우이MNIST자체고구건적량개수거집식별,기정도고체99.8％,병능유효강저경사등수사자체적수의성영향.
