基于BP網(wǎng)絡(luò)的手寫體數(shù)字圖片特征提取

王曉娟，楊永昕，李　超（.四川外國語大學(xué)重慶南方翻譯學(xué)院，重慶　400；.中國兵器工業(yè)北方勘察設(shè)計研究院有限公司；.邯鄲市峰峰礦區(qū)滏陽東路街道辦事處，石家莊　0500）

?

基于BP網(wǎng)絡(luò)的手寫體數(shù)字圖片特征提取

王曉娟1，楊永昕2，李超3
（1.四川外國語大學(xué)重慶南方翻譯學(xué)院，重慶401120；2.中國兵器工業(yè)北方勘察設(shè)計研究院有限公司；3.邯鄲市峰峰礦區(qū)滏陽東路街道辦事處，石家莊050011）

摘要：本文主要研究了手寫體數(shù)字的識別問題，選用了300組像素為的手寫體圖片，對其先進行歸一化處理，之后提取了圖像的7個不變矩（Hu矩）特征、均值、方差以及圖像的字符勢能，以它們作為圖像的特性，用BP網(wǎng)絡(luò)進行識別，識別效率達到80%以上。

關(guān)鍵詞：歸一化；Hu矩；字符勢能；BP網(wǎng)絡(luò)

1　引言

手寫體數(shù)字識別的研究，有助于考古學(xué)的發(fā)展，為考古某些缺失文字的識別奠定了一定基礎(chǔ)。識別效率的高低是我們最為關(guān)心的問題。本文為了提高識別的正確率，選用了識別性能很好的BP網(wǎng)絡(luò)。在圖片處理方面，先進行了歸一化，之后對歸一化的圖片提取了圖片的Hu矩［1］、字符勢能［2］，用這些作為BP網(wǎng)絡(luò)的識別對象，而不是直接去識別圖像，縮小了識別對象的大小，并且掌握了對象的特征，識別更為快捷準確。

2　圖像的處理過程

本文中，這些手寫體圖片都是在電腦XP系統(tǒng)的畫圖工具人為輸入的。圖像的大小都是。由于輸入時，圖片在所輸入?yún)^(qū)域的位置不一樣，圖片本身的大小也存在差別，這些都對識別的結(jié)果有直接的影響。所以，本文就這兩方面做了改進。具體的做法是，先提取圖片數(shù)字的邊緣，即數(shù)字的最左、最右、最上、最下的邊界點，這樣就把圖片的數(shù)字區(qū)域提取出來了，之后把它擴大成我們需要的尺寸。這樣數(shù)字的大小是一樣的。然后再將這些數(shù)字部分放在我們固定大小的模板上。對圖像做了這一系列的處理后，每個圖片的大小是一樣的，而且有數(shù)字的部分的大小也是一樣的。

3　BP網(wǎng)絡(luò)

BP網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)［3］，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存儲大量的輸入輸出—模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法［4］，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閥值，使網(wǎng)絡(luò)的誤差平方和最小。BP網(wǎng)絡(luò)模型拓撲結(jié)構(gòu)［5］包括輸入層、隱含層和輸出層。

4　Hu矩，字符勢能

4.1Hu矩

Hu矩主要用到了2個不變矩作為矩特征，矩特征主要表征了圖像區(qū)域的幾何特征，又稱為幾何矩，由于其具有旋轉(zhuǎn)、平移、尺度等特性的不變特征，所以又稱其為不變矩。在圖像處理中，幾何不變矩可以作為一個重要的特征來表示物體，可以據(jù)此特征來對圖像進行分類等操作。

由Hu矩組成的特征量對圖片進行識別，優(yōu)點就是速度很快，缺點是識別率比較低，我做過手勢識別，對于已經(jīng)分割好的手勢輪廓圖，識別率也就30%左右，對于紋理比較豐富的圖片，識別率更是不堪入眼，只有10%左右。這一部分原因是由于Hu不變矩只用到低階矩（最多也就用到三階矩），對于圖像的細節(jié)未能很好的描述出來，導(dǎo)致對圖像的描述不夠完整。

4.2字符勢能

投影能表現(xiàn)圖像的某種特征信息，指定方向上單條前景像素的個數(shù)。本文主要做了垂直方向的勢能和水平方向的勢能。

垂直方向的勢能，主要是記錄圖片的水平投影和垂直投影。本文所用的圖片是最簡單的黑白圖片，這樣的圖片用矩陣表示只有0、1兩種數(shù)字，黑色部分用1表示，白色部分為0.垂直方向的勢能，記錄的是圖片中1所在的行標，圖片中0的部分投影過來也用0表示。垂直方向的勢能中的水平投影是投影過來的矩陣每行的和，垂直投影則是每列元素的和。水平方向的勢能是記錄的是圖片中1所在的行標，圖片中0的部分投影過來也用0表示。水平方向的勢能中的水平投影是投影過來的矩陣每行的和，垂直投影則是每列元素的和。這樣我們就得到了圖片的字符勢能。

表1　各個數(shù)字的識別正確率

5　識別結(jié)果

把圖像歸一中心化后，我們分別提取圖片的Hu矩、均值、方差、字符勢能，把這些量合到一起作為BP網(wǎng)絡(luò)的輸入量，用BP網(wǎng)絡(luò)進行識別，表1是我們統(tǒng)計的識別結(jié)果。

從表1中可以看出，識別的正確率還是不錯的。只有數(shù)字5的識別正確率較低

參考文獻：

［1］丁興號，鄧善熙.Hu矩和Zernike矩在字符識別中的應(yīng)用［J］.工具技術(shù)，2003（03）.

［2］Bo Li， De-Shuang Huang， Chao Wang， Kun-Hong Liu. Feature extraction using constrained maximum variance mapping［M］. Pattern Recognition. 2008，Volume 41.Pages:3287-3294.

［3］魏國輝，孔英，李慶玲.反向傳播網(wǎng)絡(luò)與徑向基網(wǎng)絡(luò)函數(shù)逼近的仿真比較［J］.濟寧醫(yī)學(xué)院學(xué)報，2011.

［4］從爽，面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用.3版.合肥：中國科學(xué)技術(shù)大學(xué)出版社，2003:64-158.

［5］張敏，趙金成.全局優(yōu)化神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)及權(quán)值的遺傳算法［J］.大連大學(xué)學(xué)報，1999.

DOI:10.16640/j.cnki.37-1222/t.2016.11.205

作者簡介：王曉娟（1985-），女，河北張家口人，研究生，助教，研究方向：神經(jīng)網(wǎng)絡(luò)。