基于图像识别技术的手写数字识别方法

随着世界经济越来越发达,各国经济交流日益加深,人们每天要处理大量的票据.手写数字在这个领域是必不缺少的,例如人们要处理许多支票、发票、货物单等数据,这些都要大量与数据打交道.传统的方法是利用光学的光电变换原理对数字进行识别,该方法对环境要求比较高,成本较高,识别率和实时性比较低.文中提出基于图像识别的对0至9手写数字识别技术.实验表明,对2,3,4,5,8,9字符准确识别,而对1,7,0,6,数字基本识别无误,该方法提高了对数字识别率和实时性.     

基于动态权值集成的手写数字识别方法

提出了一种基于动态权值集成的多分类器手写数字识别方法。该方法采用BP神经网络的方法,对不同的特征输入向量构建不同的神经网络分类器,通过设定动态权值,进而对不同的分类器的输出向量采用多类器集成方法进行系统集成。实验结果表明该方法具有较高的识别率和识别精度。     

手写液晶体数字及识别技术

对手写数字的识别是模式识别的一个重要研究方向.通常的手写数字风格多变,无法实现高精度的识别.为此,提出一种新颖的手写数字记录方式,称为\"手写液晶体数字\",进而为其设计了一种专门的识别算法.通过多个采样窗口提取图像特征,并与各类数字的标准特征向量进行相似度计算;基于贝叶斯判决原理,依据最大后验概率完成分类;建立专门的数据...     

基于双射变换的脱机手写数字识别方法

针对传统特征提取和分类方法速度慢、稳定性差、识别率低等特点,提出了一种基于外围结构特征提取的手写数字识别方法。该方法多次少量地提取经过双射变换后的图像外围结构特征,对每一次提取的特征结合BP神经网络生成相应的分类器,对不同特征的分类结果进行融合得出手写数字的识别结果。实验结果表明,该特征提取方法实现简单,运算量小,大大提高了脱机手写数字的识别率和效率。     

基于矩阵SVD的手写数字分类及其特征区域的SVD优化

本文提出了三种利用矩阵的SVD分解来实现手写数字分类的方法。第一种方法基于矩阵的svd分解,将每一个数字用一个一维向量表示而对某一类的数字组成的矩阵进行奇异值分解(SVD);第二种方法是对特征区域的SVD优化,是对第一种方法的基础上进行的改进;两种方法最终的分类实现都是运用相应的最小二乘问题的方法求解。采用USPS的手写数字数据库进行训练和测试,并对两种方法的结果进行了简要对比。     

基于投影法和卷积神经网络的手写汉字图像分割研究

为提高手写汉字的识别率,针对手写汉字的有效分割,建立了卷积神经网络手写汉字体识别模型,并对投影法和轮廓检测法的适用性进行了对比分析。实验结果显示,相较于轮廓检测法,投影法更适用于手写汉字识别中对文字图像的处理工作,可以实现对所需文字的有效切分,同时简化手写汉字识别网络的设置并提高识别准确率。     

基于svm手写数字识别系统设计

摘要:手写数字识别的模拟仿真系统是基于支持向量机分类方法,用sklearn自带的数据集进行训练获得svm分类模型,在Windows平台上配置使用MangoDb数据库,配置IIS解析.py文件,仿真结果表明本系统能流畅识别手写数字,达到预计目的。     

基于视频的手写数字识别

随着计算机技术的不断发展,视频跟踪技术越来越成为计算机领域中研究的热点。视频跟踪技术的研究涉及范围很多,包括视频图像处理、模式识别以及人工智能等,具有较强的研究价值。手势检测识别技术作为一种基于计算机视觉的新型人机交互方式,是其中备受瞩目的研究和应用技术之一。文章采用一种简单高效的颜色直方图对目标(红色手指)进行主色定位,并在图像序列中进行目标区域提取,得到运动轨迹,进行手写数字识别。最后利用八段视频验证了该方法的简单高效,并能成功进行实时跟踪与识别。     

一种基于纹理识别的手写数字识别方法

提出了一种新的手写数字识别方法,通过将一幅规范化手写数字图像做任意旋转和简单排列,形成纹理图像,将手写数字识别问题转换为纹理识别问题。然后提取纹理图像在不同方法的主频中心作为特征向量,用最小距离分类器进行分类。实验表明,该方法不仅具有高的识别率和低的特征维数,而且具有旋转、伸缩和平移不变性。     

基于随机森林的手写数字识别技术

数字识别是OCR(光学字符识别)技术的一个重要分支,是模式识别中的热门研究方向。为了扩展数字识别技术应用领域,提高手写数字识别的精度,应用随机森林的方法对于MNIST手写体数据集训练集进行了训练,然后对测试集进行了结果测试,识别率达到96.8%以上,实验结果证实了基于随机森林的识别技术可进一步提高数字识别的精度。     

基于DSP的手写数字识别系统

介绍了基于TMS320VC5402的手写数字识别系统和该系统的基本原理,给出了它的硬件原理图和软件设计程序框图。最后描述了所用的识别算法和改进的训练算法。     

基于改进模拟退火算法的手写体数字识别

对模糊C-均值聚类作了简要分析和评论,在此基础上将模拟退火机制引入其中,以克服模糊C-均值聚类的局部性和对初始聚类中心的敏感性;采用了基于贴近度和择近原则的模糊识别方法;详细设计了算法。仿真结果说明,该方法在识别速度和准确率方面都达到了令人满意的效果,为手写体数字的识别提供了一种新方法,也拓展了模糊理论的应用范围。     

基于改进模拟退火算法的手写体数字识别

对模糊C-均值聚类作了简要分析和评论，在此基础上将模拟退火机制引入其中，以克服模糊C-均值聚类的局部性和对初始聚类中心的敏感性；采用了基于贴近度和择近原则的模糊识别方法；详细设计了算法。仿真结果说明，该方法在识别速度和准确率方面都达到了令人满意的效果，为手写体数字的识别提供了一种新方法，也拓展了模糊理论的应用范围。     

基于手写体汉字笔画提取重构的识别方法

提出了手写体汉字笔画宽度提取、基于提取出的笔画宽度归一化手写体汉字的方法,给出手写体汉字笔画重构的思想,实现了一种基于手写体汉字笔画提取的汉字重构并最终识别手写体汉字的算法,构建了手写体汉字的识别系统。实验证实,该方法可保证原有笔画特征信息,且能有效地识别手写体汉字。     

基于组合特征的手写体数字识别方法

提出了一种新的手写体数字识别方法。首先利用核主分量分析技术提取数字图像的全局特征,然后利用独立分量分析技术提取数字图像的局部特征,分别选出部分局部特征向量与部分全局特征向量组合成数字的组合特征向量,然后利用支持向量机分类器进行识别。采用USPS字库进行测试,并与其他特征提取方法进行了比较,实验结果显示基于组合特征方法的识别率明显优于其他方法。     

粗糙几何及其在脱机手写数字识别中的应用

粗糙几何学将粗糙集理论应用于几何学之中,利用图形的上近似变换,在更粗糙的粒度上构造并分析几何图形.本文着重介绍了粗糙几何学的研究动机和理论基础,同时将其应用于脱机手写数字识别,并对粗糙几何未来的研究方向进行了展望.     

手写体数字识别系统中一种新的特征提取方案

本文对手写体数字识别系统中的数字特征提取方法进行了深入的研究,分析了当前用得比较多的三种特征提取方法,在此基础上提出了一种新的特征提取方案。该方案从每个字符中提取关键的13个点作为特征点,其主要特点是特征提取简单有效,节省了特征提取时间,提高了识别系统的运行速度。进行仿真时,用同一种网络对特征提取后的结果进行训练和识别,仿真结果表明,13点特征提取法用于手写体数字的识别有着极好的适应性,在运行速度和识别率上比起其它算法都有很大的提高,从而极大地证实了新算法的有效性及实用性。     

基于小波变换和ART网络的手写数字识别

由于小波变换能有效地提取字符的结构特征,自适应共振(ART)网络有很好的学习能力。将二者结合起来,用小波变换抽取特征、用自适应共振ART网络作模式分类器来识别手写数字。实验证明该方法有很高的识别率,能够有效地进行手写数字的分类,可以满足实际应用。     

基于SOFM神经网络的数字模式识别方法

以一维空间自组织特征映射网络为识别模型，采用两级识别的方法，提出了一种基于自组织网络的数字识别方法，仿真结果表明此方法具有识别率高、识别速度快的优点，具有广阔的应用前景。     

基于神经网络及多层次信息融合的手写体数字识别

以信息融合技术为基础，提出了一种新的基于神经网络及多层次信息融合的手写体数字识别方法。该方法通过提取字符图像不同机制的4个互补特征，组合形成6个融合特征，利用优化的BP神经网络算法，对多融合特征进行识别分类，然后用神经网络对6个识别结果进行融合决策．实验结果表明，新的融合识别方法能有效提高识别率，并具有较高的系统可靠性。