手写字符识别 含源码

需要源码的 可以联系我QQ 1752744377@qq.com
实验二 手写字符识别
一 实验目的
利用模式识别方法对手写字符进行图像识别，通过比较不同分类器的识别流程与效果，加深对基础模式识别分类器原理的理解。

二 实验原理
很多办法获取手写字符的关键特征，提出了许多识别方法。这些手段分两大类:全局分析和结构分析。对前者，可以使用模板匹配、象素密度、矩、特征点、数学变换等技术。这类的特征常常和统计分类方一起使用。对后者，多半需要从字符的轮廓或骨架上提取字符形状的基本特征，包括:圈、端点、节点、弧、突起、凹陷、笔画等等。这些结构特征往往与句法分类方祛溉洽使用。针对模式特征的不同选择及其判别决策方法的不同，可将模式识别方法大致分为5大类。这5种识别方法均可实现手写数字判别识别，但它们特点不同，必须根据条据条件去选择。
(1)统计模式法
    这是以同类模式具有相同属性为基础提出的识别方法。用来描述事物属性的参量叫做待征，它可以通过对模式的多个样本的测量值进行统计分析后按一定准则来提取。必须注意的是:在选择特征时，用于代表各类模式的特征应该把同类模式的各个样本聚集在一起，而使不同类模式的样本尽量分开，以保证识别系统能具有足够高的识别率。
(2)句法结构方法
句法结构方法是以同类模式具有侧以结构为基础的识别方法。所谓结构是指组成一个模式的基本单员简称基元之间的关系。例如，拼音文字的基元是字母，若干个字母按一定规律组成一个单字，在识别某一个单字时，如果能判别组成这个字的各个字母以及它们结构的关系，就可以识别这个字。
(3)逻辑特征法
    就是其特征的选择对一类模式识别问题采说是独一无二的，即在一类问题中只有1个模式具有某1种(或某1组合的)逻辑特征，此方法建立了关于知识表示及组织，目标搜索及匹配的完整体系:对需通过众多规则的推理达到识别目标的问题，有很好的效果，但当样品有缺损，背景不清晰，规则不明确甚至有歧义时，效果不好。
(4)模糊模式识别法
就是在模式识别过程中引入了模糊集的概念，由于隶属度函数作为样品与模板相似程度的量度，故能反映整体的、主要的特性，模糊模式有相当不到夏的抗干扰与畸变，从而允许样品有相当不到变的干扰与畸变，但准确合理的隶属度函数往往难以建立。目前有学者在研究，并将其引入神经网络方法形成模糊神经网络识别系统。
(5)神经网络方法
人工神经网络也具有初步的自适应与自组织能力。在学习或训练过程中改变突触权重值，以适应周围环境的要求。同一网络因学习方式及内容不同可具有不同的功能。人工神经网络是一个具有学习能力的系统，可以发展知识，以致超过设计者原有的知识水平。通常，它的学习训练方式可分为两种，一种是有监督或称有导师的学习，这时利用给定的样本标准进行分类或模仿；另一种是无监督学习或称无为导师学习，这时，只规定学习方式或某些规则，则具体的学习内容随系统所处环境 （即输入信号情况）而异，系统可以自动发现环境特征和规律性，具有更近似人脑的功能。我们把学习集（Learning Set）中的每个输入加到神经网络中，并告诉神经网络输出应该是什么分类。在全部学习集都运行完成之后，神经网络就根据这些例子总结出她自己的想法，到底她是怎么归纳的就是一个黑盒了。之后我们就可以把测试集（Testing Set）中的测试例子用神经网络来分别作测试，如果测试通过（比如80%或90%的正确率），那么神经网络就构建成功了。我们之后就可以用这个神经网络来判断事务的分类了。
神经网络是通过对人脑的基本单元——神经元的建模和联接，探索模拟人脑神经系统功能的模型，并研制一种具有学习、联想、记忆和模式识别等智能信息处理功能的人工系统。神经网络的一个重要特性是它能够从环境中学习，并把学习的结果分布存储于网络的突触连接中。神经网络的学习是一个过程，在其所处环境的激励下，相继给网络输入一些样本模式࿰