一种基于RBF神经网络的英文字符识别方法.pdf

《一种基于RBF神经网络的英文字符识别方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第4卷第6期解放军理工大学学报(自然科学版)VoI.4No.6003年月JournaIofPLAUniversityofsciencean(TechnoIogyDec.003文章编号009-3443(003)06-0033-04一种基于RBF神经网络的英文字符识别方法邱望成刘春林岳振军(.解放军理工大学通信工程学院江苏南京0007.解放军理工大学理学院江苏南京0)摘要提出了一种基于R神经网络的英文字符识别方法该方法首先提取字符的结构特征和统计特征以它们作为神经网络的输入向量然后用R神经网络进行识别使用了高斯函数作为神经网络的激励函数并以最小二乘准则对字符进行识别对字符样本的识别结果显示此方法

2、在识别错误率和识别效率等方面均有很好的效果关键词字符识别统计特征结构特征R神经网络中图分类号TN9.73文献标识码AneWApproachtoenglishcharacterrecognitionBasedonrBFneuralnetWork@1UWang-chengL1UChun-znYUEZhen-jun(.InstituteofCommunicationsengineeringPLAUniv.ofsci.STech.Nanjing0007China.InstituteofsciencesPLAUniv.ofsci.STech.Nanjing0China)AbstractAnewappr

3、oachtoengIishcharacterrecognitionbase(onRneuraInetworkispresente(.ythisapproachthestructuraIfeaturesan(statisticaIfeaturesofcharactersarefirstIyextracte(thentheyarenormaIize(totheinputvectorofneuraInetworkan(RneuraInetworkisuse(forrecognition.Gaussfunctionisuse(asneuraInetworksinspiritfunctionan(Ie

4、astsguareruIeisuse(torecognizethecharacter.RecognitionresuItbase(onthecharactersampIeshowsthatthemetho(achievesexceIIentperformanceintermsofrecognitionerrorratesan(recognitionefficiency.KeyWordscharacterrecognitionstatisticaIcharacteristicstructuraIcharacteristicRneuraInetwork当前光学字符识别技术即0CR(0pticaI

5、像在拍摄过程和预处理时可能损失信息~与原图像CharacterRecognition)技术由于其应用的广泛性正产生误差以及不同字体间的差异几乎所有现有的受到越来越多的关注各种0CR的算法与软件也识别软件都不能做到00%的正确识别层出不穷其中印刷体英文字符识别因其在车牌照由于神经网络具有区分相似字符能力强~抗干识别~条形码识别~邮政信函自动分拣等众多领域中扰能力强~误识别率低等优点多数英文字符识别算的应用而成为众多学者研究的重要课题本文讨论法都使用了基于神经网络的方法但同时神经网络了在绝大多数应用领域中使用的6个英文大写字也面临着输入特征向量的选择困难~数据量大~网络母及0个阿拉伯数字的印刷体

6、字符的识别结构设计和参数优化复杂等问题现有的识别方法很多例如基于模板匹配或结本文在实践的基础上提出了一种提取字符的典构特征的方法~使用模糊推理的方法~基于矩和变换型统计和结构特征作为特征向量输入的识别方法的方法~基于神经网络的方法等等~6]由于字符图并采用了在前馈网络中较为完善的径向基函数神经网络(Ra(iaIasisunctionNeruaINetwork)实践收稿日期003-03-4.作者简介邱望成(978)男硕士生.证明该方法对克服以上问题具有一定的效果34解放军理工大学学报(自然科学版)第4卷1特征参数的提取和特征向量的形成字符识别的整个过程主要包括:字符图像的预处理字符识别输出

7、及后期应用G其中字符图像的图1细节点示意图预处理又包括图像采集定位倾斜矫正二值化去Fig.1Sketchmapofminutiapoint噪分割等步骤G本文只涉及字符的识别部分因此算法考虑的输入部分为单个的二值(黑白)字符图将预处理后的图像作细化处理然后利用辅助矩像并且对图像的大小和方向已进行了归一化G阵逐个扫描细化字符图像中的像素点如图2所示GI3I2I11.1字符结构特征的选择和提取I4PI字符