基于神經(jīng)網(wǎng)絡(luò)的數(shù)字識別技術(shù)研究

張琦 時濤 李強 王守志

【摘 要】現(xiàn)代社會中，隨著信息技術(shù)飛速的發(fā)展，各個領(lǐng)域都廣泛使用信息技術(shù)，將我們的雙手和智慧融入到信息技術(shù)中，其中有非常突出表現(xiàn)的信息技術(shù)是通過對人工神經(jīng)元網(wǎng)絡(luò)的研究，人們有了一種基于神經(jīng)網(wǎng)絡(luò)的數(shù)字識別技術(shù)，并且經(jīng)過大量的驗證，已經(jīng)有較大的成果，且還在很多重要的領(lǐng)域中有廣泛的應(yīng)用?，F(xiàn)在數(shù)字識別技術(shù)已經(jīng)有了較為成熟的成果了，比如印刷體數(shù)字的識別率已經(jīng)是100%的成功，手寫體數(shù)字識別技術(shù)也已經(jīng)在98%以上了，比如是銀行票據(jù)和文本信息處理等都是應(yīng)用的數(shù)字識別技術(shù)。

【關(guān)鍵詞】神經(jīng)網(wǎng)絡(luò)；數(shù)字識別；BP網(wǎng)絡(luò)

引言

模式識別中的眾多分支中，數(shù)字識別是一個非常重要的分支，通過表單中的圖像信息自動讀取、信息采集等等都不能缺少數(shù)字識別。圖像的像素特點很好的反映了圖像傳遞出來的信息情況，其非常的簡單易操作，也有較為穩(wěn)定的圖像處理?；谏窠?jīng)網(wǎng)絡(luò)的數(shù)字識別其實就是模擬的人體的大腦神經(jīng)系統(tǒng)處理信息的方式，將采取到的信息并行處理，和分線性轉(zhuǎn)化的復(fù)雜網(wǎng)絡(luò)系統(tǒng)?，F(xiàn)代社會經(jīng)濟科技發(fā)展迅速，我們對于人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)的發(fā)展已經(jīng)日漸趨于成熟，現(xiàn)今已經(jīng)應(yīng)用到各個重要領(lǐng)域中，本文將采取的圖像的像素特征和矩特征進行相互結(jié)合，利用人工神經(jīng)網(wǎng)絡(luò)分類器的測試，以此來獲取數(shù)字識別技術(shù)的識別效果。

一、特征提取

特征提取是在圖像處理中非常關(guān)鍵的，我們的圖像處理中需要保證有足夠的信息量，以此來得到圖像的較高識別率。同時根據(jù)我們測量出來的數(shù)據(jù)，確定出對我們圖像處理有意義和作用的數(shù)據(jù)，得出我們的圖像特征，特征類的樣本間的距離盡可能的小，類間樣本距離盡可能的大一點。特征提取是有較高的穩(wěn)定性的，方便操作，也方便提取。首先：我們?yōu)榱藢D像中筆劃進行清晰的展示，需要將我們的圖像顏色進行灰度化處理，沒有其他的顏色顯示，只是調(diào)整亮度，通過常用的加權(quán)平均法，然后將圖像的亮度進行處理。然后，將我們得到的圖像進行二值化，二值化中我們不常用的是動態(tài)閥值法，因為它主要是根據(jù)像元的領(lǐng)域特征來自己適應(yīng)的改變閥值，領(lǐng)域灰度變化太快，計算時間長，很麻煩。在二值化處理中保證目標像素是1，背景像素是0，就可以進行下一步的歸一化處理，圖像為16*16大小即可，在以上的基礎(chǔ)上，我們再次對圖像的像素進行像素特征和HU特征提取。

像素特征：我們就將圖像橫向分為四等份，縱向分為兩等份，分開進行統(tǒng)計，然后得出一個8維特征，然后再次分割得出一個四維特征，將白色部分進行作為一個1維特征，其余的圖像就是13網(wǎng)格特征，比如：特征1，它的1.bmp是5，2.bmp是10，3.bmp是7，4.bmp是7，5.bmp是1，6.bmp是8，7.bmp是5，8.bmp是8，9.bmp是7；特征2，它的1.bmp是7，2.bmp是0，3.bmp是9，4.bmp是9，5.bmp是7，6.bmp是5，7.bmp是6，8.bmp是10，9.bmp是9；特征3，它的1.bmp是4，2.bmp是4，3.bmp是2，4.bmp是1，5.bmp是7，6.bmp是7，7.bmp是7，8.bmp是1，9.bmp是6；特征4，它的1.bmp是8，2.bmp是0，3.bmp是6，4.bmp是6，5.bmp是4，6.bmp是3，7.bmp是3，8.bmp是6，9.bmp是7；特征5，它的1.bmp是4，2.bmp是4，3.bmp是3，4.bmp是0，5.bmp是10，6.bmp是3，7.bmp是6，8.bmp是4，9.bmp是6；特征6，它的1.bmp是8，2.bmp是0，3.bmp是4，4.bmp是7，5.bmp是12，6.bmp是7，7.bmp是7，8.bmp是0，9.bmp是7；等等類推到特征13它的1.bmp是48，2.bmp是31，3.bmp是49，4.bmp是44，5.bmp是52，6.bmp是47，7.bmp是46，8.bmp是33，9.bmp是58。其中還有不改變圖像的大小、位置、方位等對我們的圖像特征提取來說是非常方便的，也非常有效的，它也是我們的圖像描述方法中的一個——HU矩特征提取，它可以不受到圖像平移、旋轉(zhuǎn)和比例改變的影響，是一個非常使用的方式。

二、人工神經(jīng)網(wǎng)絡(luò)分類

BP神經(jīng)網(wǎng)絡(luò)是在確定了網(wǎng)絡(luò)的結(jié)構(gòu)之后，要通過輸入、輸出的樣本集來對網(wǎng)絡(luò)進行學(xué)習，通過多方的實驗和測試可以得出的是：學(xué)習率可變的BP計算方法可以更加的節(jié)約時間。PNN神經(jīng)網(wǎng)絡(luò)是由徑向基神經(jīng)元還有競爭神經(jīng)元組成的，它的計算方式一般是向進行將輸入向量和訓(xùn)練樣本的距離，第一層是將各種模式中的相似程度進行計算，第二層是選擇加權(quán)值最大的網(wǎng)絡(luò)進行輸出。它主要是建立過程中就完成了選取和修正，所以沒有專門的訓(xùn)練和學(xué)習函數(shù)。與之BP神經(jīng)網(wǎng)絡(luò)相比，PNN神經(jīng)網(wǎng)絡(luò)更加的節(jié)約時間，且數(shù)字識別率更高，且簡化了很多的不必要的訓(xùn)練和學(xué)習函數(shù)，分類性能更好。模式識別領(lǐng)域也比BP神經(jīng)網(wǎng)絡(luò)有更大的優(yōu)越性。

三、結(jié)束語

隨著現(xiàn)代社會的信息技術(shù)發(fā)展，數(shù)字識別是已經(jīng)在社會中廣泛應(yīng)用了，且在該領(lǐng)域已經(jīng)有非常重大的成果。通過以上的分析情況來看，讓讀者對數(shù)字體自動識別技術(shù)有進一步的了解，希望有助于以后的數(shù)字體自動識別技術(shù)的更進一步的研究。

參考文獻：

[1]徐遠芳，周餳，鄭華?；贛ATLAB的BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)研究[J]。微型電腦應(yīng)用，2006（08）

[2]王建梅，覃文忠。基于L——M算法的BP神經(jīng)網(wǎng)絡(luò)分類器[J]。武漢大學(xué)學(xué)報：信息科學(xué)版，2005（10）

[3]周明，孫樹棟。遺傳算法原理及應(yīng)用[M]。北京：國防工業(yè)出版社，2005。張偉，王克儉，秦臻. 基于神經(jīng)網(wǎng)絡(luò)的數(shù)字識別的研究[J]. 微電子學(xué)與計算機，2006，（8）：206-208.doi：10.3969/j.issn.1000-7180.2006.08.063.

作者簡介：

張琦，男，山東濟南人，臨沂大學(xué)信息學(xué)院與工程學(xué)院；

時濤，男，山東臨沂人，臨沂大學(xué)信息學(xué)院與工程學(xué)院；

李強，男，山東臨沂人，臨沂大學(xué)信息學(xué)院與工程學(xué)院。

通訊作者：

王守志，男，山東臨沂人，臨沂大學(xué)信息學(xué)院與工程學(xué)院，副教授。

（作者單位：臨沂大學(xué)信息學(xué)院與工程學(xué)院）