多尺度特征和神经网络相融合的手写体数字识别

摘要：

针对传统特征提取方法无法有效解决书写随意性的干扰问题,提出了一种多尺度特征和神经网络相融合的手写体数字识别方法.首先提取手写体数字二值图像的轮廓、笔画次序等结构特征,并旋转坐标轴,提取多角度结构特征；然后将字符从中心点到外边框划分为K层矩形子层,提取每层图像的灰度特征,最后以两种多尺度特征构建神经网络模型,并预测测试集合样本.将该算法实际用于以MNIST字体库构建的两个数据集识别,其精度高达99.8％,并能有效降低倾斜等手写字体的随意性影响.

关键词：多尺度、手写体数字识别、多角度结构特征、多层次灰度特征

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金青年基金项目41001251

在线出版日期：2013-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：316-318