科技创新研究国际杂志
菜单类ISSN ONLINE(2319-8753)PRINT(2347-6710)
ISSN ONLINE(2319-8753)PRINT(2347-6710)
达拉尼一号博士VasanthaKalyani David(Mrss)2
|
| 相关文章at普梅德,学者谷歌 |
访问更多相关文章科技创新研究国际杂志
手写号识别是一个挑战性问题 研究者长期以来一直研究此领域 特别是近些年来研究中多领域关注数字问题,例如银行检查或汽车牌号识别,数字识别主题出现识别单位数字系统可作为一种处理方法处理这类应用换句话说,让计算机理解用户手写数字并按计算机过程查看数字关心图像处理和模式识别的科学家和工程师开发出各种方法处理笔迹数识别问题,如最小距离、决策树和统计等
关键字 |
| 神经网络 ANN分解 数字识别 前向传播算法 |
导 言 |
| 最近,许多作品依赖计算机完成以便压缩处理时间并提供更多准确结果,例如取决于不同类型数据,如字符数和数字,数字常用正常生活操作实现系统自动化 处理数字如邮政编码 银行账号 车牌号并提议自动识别号系统科学家和工程师开发图像处理和模式识别等各种方法来解决这个问题[116]That is because it has an importance in several fields and it may probably be used in checks in banks or for recognizing numbers in cars plates, or many other application.In this study, system for recognized of digits is built, which may benefit various fields, the system concerning on isolated digits, the input is considered to be an image of specific size and format, the image is processed and then recognized to result of an edited digits.The proposed system recognizes isolated Arabic digits as the system acquire an image consisting digits,then, the image will be processed into several phases such as image enhancement, thinning, skeletonaization and segmentation before recognizing the digit.多层神经网络将用于识别阶段转发后传播算法应用培训网络并最后修改成数字文本[2] |
| 模式识别是一个研究领域,通过多年研究深入而为人所知,特别是在数字识别领域,它被认为是显见挑战之一,也是数字识别的重要促进者之一。然而,阿拉伯数字识别被视为最近吸引研究者注意力的主要领域数位识别吸引研究人员主要深入两个领域优先直方输入字母空间解析易解问题第二,启发式定义分类或特征选择规则,它依赖写作和写作资料(数据)。 |
| Jurgen Frank实验多元分类法有三个分类器第一个简单线性高效搭建并成功测试以获取不同数据集参考点。第二分类程序包含提取特征效果,用Karhunce-loeve变换显示,并提到提供一些结果迭代学习第三个分类器由固定分类器方法组成,用于同一数据集分类器系统各种结构类型结果显示性能效果,培训测试阶段这些不同系统的努力和支持见[3]Alceu de Britto et al.[4]提议一种方法识别手写数字串依赖二级HMM法可能的识别性能缺失归还法系,该法系由隐式分割策略中识别分治的必要权衡所引起分片过程第一阶段隐式分片过程涉及背景信息,即提供多段识别 |
| 取出前处理字符串假设第二阶段,这些假设重新排序并验证成单数分类器12 802手写数字串不同长度的实验证明二相识别策略的依存性是一个有希望的方法。平均提高9.9%用于字符串识别率验证阶段 |
| 触数对识别率89.6%使用这种方法获取。选择进化方法上出现一些变异,通常同时使用遗传编程系统,如老年成员、定向交叉交叉、插接交交接和节点变异遗传方法显示一个大有希望的结果,即精确率使用19个特征插接率达84.3%.多分解算法实现个人数字更好分割失灵时使用异样技术神经网络架构使用四大神经网络群并用并用以降低误读机机率-数字分类神经网络培训数据由3103张真支票和1444段精度组成MLP神经网络总体精度约85% |
| 光特征识别框架由[6]开发取决于手打印数字识别域VISA信用卡应用表内数字字段取自二进制图像个人身份电话号码和其他数字都包含在图像中OCR框架被视为级联神经网络内含三个阶段第一阶段自组织特征地图算法二级绘制距离值分布式成员值使用渐变下降学习算法三级网络多层回馈有效实验取自CCCL/ITRI数据库测试数据集,内含90 390多手写数字数组测试识别率98.85%Unst Kussul和Tatiana Baidyk[7]高效开发新神经分类有限接收区分类器LIRA包含三大神经元层:输出层、传感器层和关联层层分类器通过两个图像数据库测试第一个数据库MNIST数据库包含60,000手写数字图像供分类员培训使用和10,000手写数字图像供分类员测试使用第二数据库有441图像集微设备数据库划分随机程序用于测试和训练子集分类器LIRA提供0.61%误差率作为三次测试的平均值 |
 |
 |
| WESTALL提出了最后方法,以便使用神经网络系统判断逻辑手写数字分割这种方法在一个商业系统中成功实施,国际使用该系统识别个人银行支票笔记数计算机识别金融文档扫描图像内不受约束手写字段分三步第一步是现场识别提供目标字段中典型矩形兴趣区图像内位置第二步,标识必须分解像素组合压缩字段中每个数字第三步是分类分片提取数金字塔 |
 |
材料和方法 |
| 四步构建孤立数字识别系统Fig展示这些步骤3和下文描述 |
| 获取图像:我们将获取系统图像输入.此图像应该有特定格式,例如bm格式和确定大小如30++20像素图像可以通过扫描机或数字相机或其他数字输入设备获取[9] |
| 预处理:获取图像后,将通过预处理步骤顺序处理,准备下一步 |
| 噪声清除:减少图像噪声联机上没有噪声消除,所以不需要清除噪声离线模式下噪声可能来自写作样式或光学设备捕捉图像[10] |
| 正规化缩放:图像内字体尺寸标准化这个问题显然出现在手写文本中,因为使用笔迹时字体大小不受限制。 |
| 丁化和骨架化:用相对小数像素表示对象形状. Thinning算法可以是并行或相继并行同时应用到所有像素上顺序检验像素并变换视前次处理结果而定 |
| 分割式:由于数据隔离,无需分割式关于隔离数字,对含有多位数的图像应用垂直切分将单逐位数 |
| 规范化缩放和翻译:手写产生数位笔数大小变异这就需要将图像内数位缩放到标准大小,因为这可能会提高识别精度并翻译为特定位置 |
| 特征提取:特征提取不是此项目的一部分特征类型分类如下:结构特征:它通过表示全局性能和局部性能描述模式几何和地形特征降低特征向量的维度并提供变异性到全局变形,如翻译、放大和旋转 |
| 分类识别:神经网络网系非线性系统网络,可按特定网络表层定性何地,由神经元特征和学习方法决定最常用神经网络架构 阿拉伯数字识别输入层、隐藏层和输出层输入层节点数因特征矢量多维性分段图像大小而异 |
 |
 |
讨论 |
| 分析拟方法效率数项实验尚待进行科学家和研究者对这个领域仍感兴趣, 因为它到目前为止有许多挑战, 系统包含过程有序操作实现目标的常识, 与过程有关的许多问题尚未触动, 因为未来需要这些问题可以在提议的系统下研究测试, |
结论 |
| 数项实验显示神经网络似乎比用于识别的其他技术要好 |
引用 |
|