一种基于图像特征的手写数字识别方法技术

本发明专利技术公开了一种基于图像特征的手写数字识别方法，包括以下步骤：(1)图像预处理；(2)基于预处理后的手写数字图像数据集，构建网络模型，设计网络的输入区域、卷积区域、池化区域和输出区域，并进行训练，最终训练出用于手写数字识别的网络模型；(3)构建可视化系统界面，展示导入手写数字图像、预处理和识别数字的过程。本发明专利技术基于原始图像进行去噪和去冗余特征的操作，基于数字图像特征构建用于识别的网络模型的结构和参数，具有较快的识别速度、较高的准确性以及较好的识别效果；采用图形化界面展现分析和识别数字的过程，以可视化界面展示其分析和识别过程，有效满足了当前对手写数字识别的要求。

A Handwritten Number Recognition Method Based on Image Characteristics

【技术实现步骤摘要】
一种基于图像特征的手写数字识别方法
本专利技术涉及图像信息的分析与识别方法，尤其涉及一种基于图像特征的手写数字识别方法。
技术介绍
手写数字识别技术是模式识别研究的主要领域之一。近年来，随着手写识别技术的发展，对文档中的数字的识别已经达到了不错的识别率，并且很多已经得到了商业应用。由于当今的经济发展，金融市场发展日益加快，票据业务发展很快，例如个人凭证，支票，发票，进账单等票据都需要处理大量信息，如果这些信息全依赖人工输入，无疑会浪费大量人力物力，会造成成本高、效率低等问题。所以，手写数字识别显得非常有必要。目前已有的手写数字识别的方法主要是两种，分别为基于邻近算法的数字识别方法和基于支持向量机的数字识别方法。基于邻近算法的数字识别方法主要是在文本分类上有着极好的分类效果，包括信息检索、信息过滤等任务。但邻近算法仍然存在不足，主要表现为对于高维文本向量样本规模较大时，算法的时间和空间复杂度较高，当新的待分类样本到来时，每次都要计算其与所有训练样本的距离(或相似度)，这就大大降低了算法的效率。基于支持向量机的数字识别方法是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。支本文档来自技高网...

【技术保护点】
1.一种基于图像特征的手写数字识别方法，其特征在于，包括以下步骤：(1)对图像进行预处理操作；(2)构建网络模型，设计网络的输入区域、卷积区域、池化区域和输出区域，对预处理后的手写数字图像数据集进行训练，得到用于手写数字识别的网络模型；(3)构建可视化系统界面，展示导入手写数字图像、预处理和识别数字的过程。

【技术特征摘要】
1.一种基于图像特征的手写数字识别方法，其特征在于，包括以下步骤：(1)对图像进行预处理操作；(2)构建网络模型，设计网络的输入区域、卷积区域、池化区域和输出区域，对预处理后的手写数字图像数据集进行训练，得到用于手写数字识别的网络模型；(3)构建可视化系统界面，展示导入手写数字图像、预处理和识别数字的过程。2.根据权利要求1所述的基于图像特征的手写数字识别方法，其特征在于，所述步骤(1)具体包括如下内容：(1.1)对导入的原始手写数字图像进行去噪处理；(1.2)对图像进行整形，再对图像进行灰度化处理，即Y＝0.3R+0.59G+0.11B其中，Y是处理后的数值，R、G和B分别是图像色度的三个分量；(1.3)进行像素矩阵的数值归一化，将像素值范围从0～255之间缩放到0～1之间。3.根据权利要求1所述的基于图像特征的手写数字识别方法，其特征在于，步骤(2)具体包括如下内容：(2.1)确定该预测网络模型的输入区域和输出区域，预处理后的图像数据为m2个像素点，将其转化为m×m的矩阵作为网络的输入；网络的输出为0～9共10个数字，每个数字对应一个目标向量，因此，网络的输出区域设置为10个网络节点；(2.2)确定中间区域；(2.3)使用线性整流函数作为响应函数，使用误差梯度下降的方法作为训练的算法来调节各区域的权值和阈值，进而使训练误差均方值最小化，逼近网络模型的目标输出值。4.根据权利要求3所述的基于图像特征的手写数字识别方法，其特征在于：步骤(2.2)中，所述中间区域包括两层增强图像特征的卷积区域和对应的两个降采样区域；从输入区域到第一个卷积区域使用32个卷积滤波器，得出32个特征映射，经过降采样后，第二个卷积区域包含64个特征映射，且每一个都与上一层的每个映射相连。5.根据权利要求3所述的基于图像特征的手写数字识别方法，其特征在于，所述步骤(2.2)还包括：通过逐渐增加或减少滤波器数目反复试验，对比训练结果，确定一个最佳中间区域的网络结构。6.根据权利要求3所述的基于图像特征的手写数字识别方法，其特征在于，步骤(2....

【专利技术属性】
技术研发人员：顾顺华，徐小龙，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32