基于神经网络的联机手写识别系统研究与实现

1、基于Hopfield神经网络的联机手写识别算法与实现摘要：汉字的计算机识别是模式识别领域一个重要分支，其任务就是研究如何使计算机能够“识字”。联机手写识别系统(OLCCR符合人的自然手写习惯，容易被人们所接受，因而具有非常广阔的应用前景。目前研究人员对此做了大量的研究工作，提出了很多识别算法，基本实现了联机手写识别，但是大多数研究都是针对一种手写模式进行识别，虽然识别系统可以达到较高的识别率，但是用户需要切换输入模式才可以进行有效识别，识别系统性能有待进一步提高。人工神经网络因其所具有的并行计算能力、容错能力、自学习能力和分类识别能力，其在模式识别领域得到了充分的重视和利用。本文选取离散Hop

2、field神经网络算法对学习样本进行二值化、归一化和插值等预处理，然后提取其像素特征，建立Hopfield神经网络，最后将汉字、数字、字母等手写测试样本以及加入噪声的样本输入网络，由仿真测试结果可以看出对于信息残缺和含有噪声的测试样本，系统均可以实现识别，具有很好的容错性。仿真结果表明，本文利用Hopfield网络实现手写识别的效果相比用BP网络的效果更好，更具有优越性。关键词:手写识别 Hopfield神经网络 模式识别众所周知，联机手写汉字的识别系统在智能终端己经得到了广泛的应用，并且己经实现了高速且高效的识别效果。例如智能手写手机、智能平板电脑的面世，都表明联机手写识别技术在实际工程中己

3、经实现。手写识别的研究方向，最终将使人们可以像在纸上书写一样，自然方便地将文字输入计算机。当下联机手写字符识别研究的主要方向有实现汉字、数字、字母、标点符号及手势等手写输入的混合识别;多民族语言的手写输入识别;数学表达式、化学方程式等的手写输入识别等。联机手写识别分为两步:训练阶段，识别阶段。在训练阶段，提取训练样本集的特征，建立网络模型，保存网络连接权值和闽值;在识别阶段，将待识别字符特征送入网络运行，网络运行到平衡状态后，输出即为识别结果。本文采取Hopfield神经网络算法，基于输入字符统计特征，实现了汉字、数字、字母的混合识别。将坐标序列转化为图像，又将联机手写识别和脱机手写识别联系在

4、一起，只要对预处理部分稍作修改，系统就可以实现联机和脱机手写的统一识别，具有一定的普遍适用性。识别的流程图如图4.2所示。识别算法及实现步骤如下:(1将标准的书写字符作为训练样本，经过二值化、归一化、插值等预处理，使得训练数据为标准16*16，并适合Hopfield神经网络处理的数据模式。提取每个标准字符的像素特征作为一个特征向量ti,T=t1,t2,.tn,n为样本总数;(2将T作为Hopfield网络的目标向量，利用正交化权值设计方法建立Hopfield网络;(3运行网络至平衡状态，保存网络模型和输出向量Y;(4把用户输入的汉字转化为有序坐标序列，输入的汉字是由笔划组成的，笔划是由许多点组

5、成的，而这些点都对应着不同的坐标，提取输入汉字的所有点坐标，转化为有序坐标序列;(5根据坐标序列，生成一幅bmp格式的图像，并保存图像;(6将图像经过预处理、提取其特征向量u，将u作为输入向量送入建立的网络运行，当网络运行达到平衡状态时，输出结果Y。训练过程 识别过程开始 坐标序列转化为bmp图像标准书写字符 预处理测试样本图像预处理 提取特征，建 提取特征立特征库 送入网络运行建立Hopfield网络模型训练网络， 运行网络到平衡状态，分析结果值保存权值 结束图4.2识别流程图参考文献1吴佑寿.教电脑识字:浅谈汉字识别M.北京:清华大学出版社;广州:暨南大学出版社，2000.2吴佑寿，丁晓青

6、.汉字识别一一原理·方法与实现M.北京:高等教育出版社，19923张忻中.汉字识别技术M.北京:清华大学出版社;广西:广西科学技术出版社，1993.4杨俊，赵荣椿，任金昌.手写体汉字的回顾与展望J.中国体视学与图像分析，1998 (3:55一57.5边肇祺，张学工.模式识别M.北京:清华大学出版社，2004.6曹晶炯，王永成.笔顺连笔自由的联机手写汉字识别J.计算机工程与应用， 2005, 29:171一173.7崔景楠，邢长征.基于笔顺自由及连笔的联机手写汉字识别J.计算机系统应用，2009. 5:29-33.8黄襄念.自然手写汉字联机识别系统D.重庆大学博士学位论文，2000.R

7、esearch and Implementation of an On-line Handwriting Recognition System Based on Neural NetworkAbstract： Computer recognition of Chinese characters is an important branch of patternrecognition. On-Line Chinese Character Recognition (OLCCR system accords with thenature habit when people write, so it

8、can be easily accepted by people. Now researchershave done much research work on it and proposed many pattern recognition algorithms.On-line handwriting recognition has been basically realized, however most studies arecarried out for one kind of handwritten patterns. Although these systems can achie

9、vehigher recognition rate, the users need to switch the input mode before writing. Theperformance should be further improved.With the capabilities of parallel computing, fault tolerance, self-learning andclassification, Artificial Neural Network is paid full attention and used in the field ofpattern

10、 recognition. DHNN is used in this paper. The learning samples are firstlypreprocessed including binarization, normalization and interpolation. Secondly theirpixel features are extracted. Then DHNN is established. Finally the handwritten testsamples are input into the network. It can be seen from the simulation results that thesystem can recognize the incomplete characters and characters with noises. Thesimul