欢迎登录材料期刊网

材料期刊网

高级检索

对图像预处理、字符特征提取和神经网络类型的选择、优化、训练及调整等进行研究,提出运用双X特征作为输入的自组织竞争网络对手写字符进行识别的方法.首先进行图像预处理,包括图像的灰度化、二值化、剪裁及缩放等.然后,提出字符的双X特征提取方法,并运用该方法提取各个字符的特征信息.最后,将字符特征数据送入自组织网络中进行学习,反复试验确定理想网络参数,使其可以自组织地将各字符模式相区分.实验结果表明:这种方法减少送入网络的数据量,降低了冗余信息对网络的干扰,使网络处理的复杂程度大大降低,训练后的网络误差小,网络的错判率约为12%,比传统方法有明显提高.

参考文献

[1] 杨晓敏,吴炜,何小海,等.应用SLLE实现手写体数字识别[J].光学精密工程,2009,17(3):641-647.
[2] Faaborg A J.Using neural networks to create an adaptive character recognition system[R].Ithaca NY:Cornell University,2002.
[3] Wu P H.Handwritten character recognition[D].Queensland,Australia:School of Information Technology and Electrical Engineering,the University of Queensland,2003.
[4] Liou C Y,Yang H C.Hand printed character recognition based on spatial topology distance measurement[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1996,18:941-945.
[5] Didaci L,Giacinto G.Dynamic classifier selection by adaptive k-nearest-neighbourhood rule[J].Lecture Notes in Computer Science,2004,3077:174-183.
[6] 娄帅,丁振良,袁峰,等.应用Hopfield神经网络和小波域隐Markov树模型的图像复原[J].光学精密工程,2009,17(11):2828-2834.
[7] Brown E W.Applying neural networks to character recognition[EB/OL].[2010-05-15].http,//www.ccs.neu.edu/home/feneric/charrecnn.html.
[8] Ganapathy V,Liew K L Handwritten character recognition using multiscale neural network training technique[J].World Academy of Science,Engineering and Technology,2008,39:32-37.
[9] 张建伟,张启衡.基于块遍历的直线边缘特征提取[J].光学精密工程,2009,17(3):662-668.
[10] 潘国兵,颜国正,张明卿,等.概率神经网络与差异演化在胶囊内窥图像出血识别中的应用[J].光学精密工程,2010,18(6):1435.
[11] 朱福珍,李金宗,朱兵,等.基于径向基函数神经网络的超分辨率图像重建[J].光学精密工程,2010,18(6):1451.
[12] 赵章荣,邬义杰,顾新建,等.用神经网络结构实现超磁致伸缩智能构件滑模控制[J].光学精密工程,2009,17(4):778-786.
[13] 赵章荣.基于神经网络的超磁致伸缩智能构件滑模控制[J].光学精密工程,2009,17(4):778-786.
[14] 耿洁,刘向东,陈振,等.Preisach迟滞逆模型的神经网络分类排序[J].光学精密工程,2010,18(4):855-862.
[15] 沈铖武,王志乾,刘畅,等.BP神经网络在多位置捷联寻北系统中的应用[J].光学精密工程,2009,17(8):1890-1895.
[16] 邓超,张涛,姚清华.应用小波神经网络处理CCD图像噪声[J].光学精密工程,2008,16(2):345-351.
[17] 张煜东,吴乐南.用改进的Paik型Boltzmann机实现图像复原[J].光学精密工程,2009,17(7):1737-1744.
上一张 下一张
上一张 下一张
计量
  • 下载量()
  • 访问量()
文章评分
  • 您的评分:
  • 1
    0%
  • 2
    0%
  • 3
    0%
  • 4
    0%
  • 5
    0%