光字符识别技术.doc

模式识别技术 中的光字符识别技术21 OCR概 述1929年 Tausheck取 得 光 字 符 识 别 (OpticalCharacterRecognition，OCR)专利 ，由于其容 易被人们接受、掌握 ，它同语 音识别 、行 为识别等一起 日益成为人们 研究的焦 点4。经过 近一个世 纪 的发展 ，OCR已经成为当今模式识别领域 中最活跃的研究内容之一5。它综合 了数字图像处 理、计算机 图形学和人工智能等多方 面的知识，并在计算机及其相关领域中得到了广泛应用。通常 OCR识别方法可以分为如下 3类 ：统计特征字符识别技术、结构字符识别技术和基于人工神经网络的识别技术 。22 统计特征字符识别技术统计特征字符识别技术一般选取同一类字符 中共有的 、相对稳定的并且分类性能好的统计特征作为特征向量 。常用的统计特征有字符二维平面的位置特征 、字符在水平或者垂直方向投影 的直方 图特征、矩特征和字符经过频域变换或其他形式变换后的特征等。基于字符像素点平面分布的识别算法 ，因为算法简单 、实现方便的特点而成为最 常用 的匹配方法。Kelner和 Glauberman在 1956年 提 出了用二维图像的投影代替 图像点阵信息的思路。二维的图像被一维 的投影代替 ，计算量减少 ，同时也消除了文字在投影方向偏移 的影响 ，但是对于字符的旋转变形却无能为力 。基于统计特征的字符识别技术对于形近字符 区分 能力弱 ，通常应用于字符的粗分类 。23 结构字符识别技术结构字符识别技术首先要提取字符的结构，提取出的结构又称作 字符 的子模式、部件 、基 元，所有基元按照某种顺序排列起来就成了字符的特征。基于结构的文字识别实际上是将字符映射到了基元组成 的结构空间进行识别 。传统识别方法 中，对输人图像采取统一分辨率进行识别，分辨率 由系统的计算和存储资源先期决定 ，造成 了系统资源的浪费和识别效率的降低 。JPark分析了传统结构识别 方法 中的这些弊端 ，提 出主动字符识别 (ActiveCharacterRecognition)的思想 ，主动依据输人 图像，动态确定结构特征的选取 ，降低 了系统资源的浪 费并提高了效率。24 基于人工神经网络的识别技术基于人工神经网络的识别技术 目的就是力图通过对人脑功能和结构 的模 拟来 实现字符 的高效识别 。在 OCR系统 中，人工神经 网络 主要 充当分类器的功能，输人是字符的特征 向量 ，输出是字符的分类结果 ，即识别结果。Krezyak和 LeCun主要研究了 BP(BackPropagation)神经网络在文字识别方面的应用 ，针对 BP网络学习速度慢、泛化能力弱的缺点 ，在 BP网络 的基础上产生 了竞争监督学 习的策略 。3 OCR技 术在 汉字识别 中的应用汉字识别属于模式识别的研究范畴。 目前汉字识别技术按照识别的汉字不 同可以分为印刷体汉字识别和手写体汉字识别 。印刷体汉字识别从识别字体上可分为单体印刷体汉字识别与多体印刷体汉字识别 。手写体汉字识别根据实时性又可分为联机手写体识别和脱机手写体识别 。从识 别的难度看 ，多体 印刷体识别难于单体 印刷体识别 ，手写体识别难 在日常生活中，字符识别技术应用越来越成熟，备受人们关注。在此用BP网络和霍普菲尔德网络对部分英文字母进行识别设计与测试。首先将待识别的26个字母整的每一个字母都通过长和宽分别为 75的方格进行数字化处理，并用一个向量表示。其相应有数据位置置为1,其他位置置为0。图 3.1给出了字母A、B和C 的数字化过程,其中最左边 的为字母A 的数字化处理结果所得对应的向量为：letterA=0 0 1 0 0 0 1 0 1 0 0 1 0 1 0 1 0 0 0 1 1 1 1 1 1 1 0 0 0 1 1 0 0 0 1，由此可得每个字母都是由35个元素组成一个输入向量。由26个标准字母组成的输人向量被定义为一个输人向量矩阵alphabet,即神经网络的样本输人为一个3526 的矩阵。其中alphabet=letterA,letterB,letterC,.，letterZ。网络样本输出需要一个对26个输人字母进行区分输出向量,对于任意一个输人字母,网络输出在字母对应的顺序位置上的值为1，其余为0，即网络输出矩阵为对角线上为1的2626的单位阵，定义target=eye（26）。 图 3.1数字化字符 本文共有两类这样的数据作为输人：一类是理想的标准输人信号；另一类是在标准输人信号中加上用MATLAB工具箱里 的噪声信号,即randn函数。3.2识别字符的网络设计及其实验分析3.2.1单层感知器的设计及其识别效果 选取网络35个输人节点和26个输出节点,设置目标误差为0.0001,最大训练次数为40。设计出的网络使输出矢量在正确 的位置上输出为1,在其他位置上输出为0。首先用理想输人信号训练网络,得到无噪声训练结果,然后用两组标准输入矢量加上两组带有随机噪声的输人矢量训练网络,这样可以保证网络同时具有对理想输人和噪声输人分类的能力。网络训练完后,为保证网络能准确无误地识别出理想的字符,再用无噪声 的标准输入训练网络,最终得到有能力识别带有噪声输人的网络。下一步是对所设计的网络进行性能测试 给网络输人任意字母,并在其上加人具有平均值从00.2的噪声,随机产生100个输人矢量,分别对上述两种网络的字母识别出错率进行实验,结果如图3.2所示。其中纵坐标所表示的识别出错率是将实际输出减去期望输出所得的输出矩阵中所有元素的绝对值和的一半再除以26得到的；虚线代表用无噪声的标准输人信号训练出网络的出错率,实线代表用有噪声训练出网络的出错率。从图中可以看出,无噪声训练网络对字符进行识别时,当字符一出现噪声时,该网络识别立刻出现错误当噪声均值超过0.02 时,识别出错率急剧上升,其最大出错率达21.5%。由此可见,无噪声训练网络识别几乎没有抗干扰能力。而有噪声训练出的网络具有一定的抗干扰能力,它在均值为00.06之 间的噪声环境下,能够准确无误地识别；其最大识别出错率约为6.6%,远远小于无噪声训练出的网络。 图3.2 感知器 网络识别出错率3.2.2BP网络的设计及其识别效果 网络具有35个输人节点和26个出输出节点。目标误差为0,采用输人在（0,1）范围内对数S型两层logsig网络激活函数,隐含层根据经验选取10个神经元。和单层感知器一样,分别用理想输人信号和带有随机噪声输人训练网络,得到有噪声训练网络和无噪声训练网络。由于噪声输人矢量可能会导致网络的1 或0输出不正确,或出现其他值,所以为了使网络具有抗干扰能力,在网络训练后,再将其输出经过一层竞争网络的处理,使网络的输 出只在本列中的最大值的位为1,保证在其他位置输出为0,其中网络的训练采用自适应学习速率加附加动量法,在MATLAB工具箱中直接调用traingdx。在与单层感知器相同的测试条件下对网络进行性能测试,结果如3.3图所示。其中虚线代表用无噪声训练网络的出错率,实线代表用有噪声训练网络的出错率。从图中可以看出,在均值00.12之间的噪声环境下,两个网络都能够准确地进行识别。在0.120.15之间的噪声环境下,由于噪声幅度相对较小,待识别字符接近于理想字符,故无噪训练网络的出错率较有噪声训练网络略低。当所加的噪声均值超过0.15时,待识别字符在噪声作用下不再接近于理想字符,无噪声训练网络的出错率急剧上升,此时有噪声训练网络的性能较优。 图3.3 网络识别出错率3.2.3离散型普菲尔德网络的设计及其识别效果此时网络输人节点数目与输出神经元的数目是相等的,有r=s=35,采用正交化的权值设计方法。在工具箱中可直接调用函数 newhop.m。要注意的是,由于调用函数newhop.m,需要将输人信号中所有的0变换为-1。如letterA= -1 -1 1 -1 -1 -1 1 -1 1 -1 -1 1 -1 1 -1 1 -1 -1 -1 1 1 1 1 1 1 1 -1 -1 -1 1 1 -1 -1 -1 1 。设计离散型霍普菲尔德网络进行字符,只需要让网络记忆所要求的稳定平衡点,即待识别的26个英文母。故只需要用理想输人信号来训练网络。对于训练后的网络,我们进行性能测试。给网络输入任意字母,并在其上加人具有平均值从00.5的噪声,随机产生100个输人矢量,观察字母识别出错率,结果如图3.4所示。从图中可以看出,在均值为00.33之间的噪声环境下,网络能够准确地进行识别。在0.330.4之间的噪声环境下,识别出错率不到1%,在 0.4以上的噪声环境下,网络识别出错率急剧上升,最高达到大约10%可以看出,该网络稳定点的引域大约在0.30.4之间。当噪声均值在 吸引域内时,网络进行字符识别时几乎不出错,而当噪声均值超吸引域时,网络出错率急剧上升。 图3.4离散型霍普菲尔德网络识别出错率3.3 三种网络设计的数据分析 通过设计3种人工神经网络对26个英文字母进行了识别可以看出,这3种人工神经网络均能有效地进行字符识别,并且识别速度快,自适应性能好,分辨率较高。由图3.2和 图3.3可以看出,单层感知器的有噪声训练网络在均值为00.06 之间的噪声环境下可以准确无误的识别,而有噪声训练的BP网络可以在00.12之间的噪声环境下准确无误的识别,故BP络网络容错性比单层感知器的容错性好 此外,噪声达到0.2时,单层感知器的有噪声训练网络的识别出错率为6.6%,而有噪声训练的BP网络的识别出错率为2.1%,故BP网络比单层感知器识别能力强。另外,由图3.2图3.3和图 3.4可以看出,这3种网络中粗普菲尔德网络识别率最高,它在 噪声为0.33以前几乎不会出错,BP网络次之,感知器最差。 通过设计、应用与性能对