基于人工神经网络的字符识别课件

数据分析与挖掘SHUJUFENXIYUWAJUE基于人工神经网络的手写字符识别信息工程系单东晶Outline人工神经网络概况手写字符识别3研究背景12小结4研究背景1背景人工神经网络目前已经广泛地用来解决模式识别和人工智能领域的一些复杂问题。由于人工神经网络的非线性以及并行性和鲁棒性等特点，在上述领域，其取得了以往传统算法无法获得的成功。

由于人工神经网络等新技术的引入，从上世纪70年代以来，光学字符识别技术逐渐走向成熟。对于脱机印刷体字符的识别，目前已经有了很高的识别率；对于小规模的手写体字符识别，也已经走向实用。

小规模光学字符识别系统应用广泛，有着巨大的商业前景。如：邮政编码识别、汽车照牌识别、交通标示识别、产品编码识别等。

能够处理视频的嵌入式设备也有着广泛的应用前景。如视频监控、视频通讯、机器视觉系统等。

1234背景手写数字识别是光学字符识别技术（OCR）的一个分支,研究如何利用计算机自动辨认手写在纸张上的数字。手写体数字的随意性很大,字体大小、倾斜、笔画的粗细等都会对识别结果造成影响。下面是一些样例：人工神经网络及BP网络2人工神经网络

神经网络领域研究的背景工作始于19世纪末和20世纪初。它源于物理学、心理学和神经生物学的跨学科研究。人工神经网络的第一个实际应用出现在20世纪50年代后期，FrankRosenblatt提出了感知机网络和学习规则

。

神经网络的基本组成单元是神经元，在数学上的神经元模型是和在生物学上的神经细胞对应的。或者说，人工神经网络理论是用神经元这种抽象的数学模型来描述客观世界的生物细胞的。12人工神经元人工神经元：生物神经元的简化模拟。人工神经元间的互连：信息传递路径轴突-突触-树突的简化；连接的权值：两个互连的神经元之间相互作用的强弱。人工神经元模型接收的信息(其它神经元的输出)

互连强度作比较的阈值n维输入向量X

输出激活函数神经元的动作：激活函数f：

阈值型S型分段线性型输出值：设，点积形式：式中，BP神经网络网络拓扑结构：1、BP神经网络具有三层或三层以上的多层神经网络2、每一层都由若干个神经元组成3、左右各层之间神经元实现全连接，同层神经元无连接BP网络的标准学习算法学习的过程：神经网络在外界输入样本的刺激下不断改变网络的连接权值,以使网络的输出不断地接近期望的输出。学习的本质：对各连接权值的动态调整学习规则：权值调整规则，即在学习过程中网络中各神经元的连接权变化所依据的一定的调整规则。BP网络的标准学习算法-学习过程正向传播：输入样本－－－输入层－－－各隐层－－－输出层判断是否转入反向传播阶段：若输出层的实际输出与期望的输出（监督信号）不符误差反传误差以某种形式在各层表示－－－－修正各层单元的权值网络输出的误差减少到可接受的程度进行到预先设定的学习次数为止手写字符识别315准备样本针对特定的应用，准备样本集。并利用图像处理技术，将样本标准化。例：美国邮政服务（USPS）数据库抽取样本的特征全局统计特征是将整个字符点阵作为研究对象，从整体上抽取特征。常用的是全局变换特征：对字符图象进行各种变换，利用变换系数作为特征，常用的变换有Fourier变换、Hadamard变换、DCT变换、Walsh变换、Rapid变换、K-L变换等。另外还有：不变矩（Moment）特征、笔画穿透数目特征、全局笔画方向特征、背景特征。局部统计特征是将字符点阵图象分割成不同区域或网格，在各个小区域内分别抽取统计特征，主要包括局部笔画方向特征、细胞特征、相补特征、方向线素特征、Gabor特征、四角特征。根据抽取特征的不同，可以选用不同的匹配方法，常用的统计匹配方法有模板匹配、相关匹配、树分类器等。常用的距离度量有欧氏距离、城市块距离、马氏距离等。12317训练BP网络分类器利用样本集对应的特征向量集，设计、训练BP神经网络例：手写数字识别研究中，构造了10个、输出层使用purelin函数，其他层使用logsig函数的BP神经网络。图像采集利用摄像头采集大小适中、亮度适中的信封图像19邮政编码的定位利用邮政编码边框的颜色信息，分割出邮政编码边框图像20邮政编码的定位轮廓提取，并使用Hough变换，检测出邮政编码的具体位置21邮政编码图像的提取提取出邮政编码图像，并根据图像倾角，进行姿势校正22灰度化将图像灰度化23二值化将图像二值化24笔画粗细调整将图像中的文字笔画粗细做调整25图