手写数字识别——算法

识别方法一：基于结构模式——脱机识别

例子：基于基元和七段式数字的手写数字识别

日常生活中经常可以看到用七段式数字表示数字，如电子手表的数字显示等。它用火柴棍拼图的方式能够简单有效的表示出0~9，10个阿拉伯数字。

例子：基于三次样条和整体特征的脱机数字识别

基本思想：人在识别一个数字字符时，只需要简单观察字符是否有环，有几个环，再观察字符整体的凹凸形状，借此就可以识别数字字符。

特征提取：用三次样条分别插值数字图片的左、右轮廓之后，即可利用三次样条二阶导数连续的性质，找出字符左、右轮廓的凹陷区。然后辅助环的判断，即可数字图片的识别。

例子：基于串匹配的联机数字识别

总体思想：用户在书写数字时，其笔划路径将按照先后顺序被等距采点，并存储成一个序列串，然后将该序列与预先设定好的模板进行匹配，找到距离最小的模板，从而实现分类识别。

基于链码特征和神经网络的脱机数字识别

任意一个字符都是由若干带有方向的线条组成，一直以来，笔画方向特征在字符识别中扮演着重要的角色。在这里，字符将被描述成一个具有固定长度的特征向量：即链码特征

链码特征：字符图片的每一个像素，将依据其8-领域像素的分布情况，归入8种不同的方向编码；对图片的每个像素进行八个方向的编码；将相反的两个方向融合（直接求和），得到四个方向编码；将35X35分为5X5=25块（每块大小为7X7，并将块内特征求和），从方向模板中提取100维的链码特征向量

设计神经网络

三层前馈神经网络可以逼近任意的多元非线性函数。在模式识别中，事先提取出链码特征，然后利用神经网络进行学习，从而达到分类识别的目的。