基于神經(jīng)網(wǎng)絡(luò)的數(shù)字字符識別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

鄧介一　劉黎志　譚培祥

摘要摘要：通過MATLAB編程實(shí)現(xiàn)一種能識別圖片中數(shù)字的識別系統(tǒng)。該系統(tǒng)分為預(yù)處理、圖像處理和神經(jīng)網(wǎng)絡(luò)3個(gè)核心部分。采用預(yù)處理和圖像處理技術(shù)處理輸入圖片樣本數(shù)據(jù)，通過經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)完成識別功能。驗(yàn)證結(jié)果表明，此系統(tǒng)對樣本圖片的識別正確率可達(dá)到100%，對于部分非樣本數(shù)據(jù)，也可以正確識別。該系統(tǒng)可應(yīng)用于驗(yàn)證碼識別、車牌號識別等場景中。

關(guān)鍵詞關(guān)鍵詞：MATLAB編程；數(shù)字識別；圖像處理；神經(jīng)網(wǎng)絡(luò)

DOIDOI：10.11907/rjdk.162852

中圖分類號：TP319

文獻(xiàn)標(biāo)識碼：A文章編號文章編號：16727800（2017）005004704

0引言

圖像識別是一項(xiàng)利用計(jì)算機(jī)對圖像進(jìn)行處理、分析和理解，以識別各種不同模式目標(biāo)和對象的技術(shù)[1]。圖像識別技術(shù)目前還不能達(dá)到人類的認(rèn)知水平，但在特定應(yīng)用環(huán)境中，可以通過模式識別或者神經(jīng)網(wǎng)絡(luò)的方法來對圖像中的事物進(jìn)行分類判斷。一般而言，一個(gè)數(shù)字字符識別系統(tǒng)主要由3個(gè)部分組成，如圖1所示。

圖1系統(tǒng)組成

其中，預(yù)處理模塊將圖片格式（例如JPG格式）轉(zhuǎn)換為計(jì)算機(jī)能識別的二進(jìn)制數(shù)據(jù)流；圖像處理模塊則實(shí)現(xiàn)圖像采集與轉(zhuǎn)換、邊緣提取、歸一化等功能；字符識別模塊可以由兩種方法實(shí)現(xiàn)：模式識別或者神經(jīng)網(wǎng)絡(luò)方式，本文系統(tǒng)采用神經(jīng)網(wǎng)絡(luò)方式。

1識別目標(biāo)及預(yù)期結(jié)果

此系統(tǒng)識別目標(biāo)是在沒有強(qiáng)干擾下，系統(tǒng)能夠準(zhǔn)確識別出圖片中的0～9這10個(gè)數(shù)字。示例圖片如圖2所示。

系統(tǒng)識別中所用到的含單個(gè)數(shù)字的圖片取自圖2，均為純色背景（不一定必須為白色背景）圖片，且圖片中數(shù)字圖像無較大噪聲干擾。系統(tǒng)經(jīng)過一系列處理后，能成功識別，給出識別結(jié)果，并且給出處理過程中各個(gè)階段的圖片，以便更好地理解圖像處理過程。

2預(yù)處理

預(yù)處理是將圖片二值化的過程。預(yù)處理的目的簡單來說就是把彩色圖片處理為計(jì)算機(jī)更好處理的二進(jìn)制數(shù)據(jù)流。預(yù)處理的過程主要分兩部分：彩色圖轉(zhuǎn)灰白圖，灰白圖轉(zhuǎn)二進(jìn)制矩陣形式數(shù)據(jù)。

目前用于彩色圖轉(zhuǎn)換為灰度圖的基本算法主要有：最大值法、平均值法、加權(quán)法，本文采用加權(quán)法。加權(quán)法的主要思想是設(shè)當(dāng)前像素的三分量分別為R，G，B，然后利用公式（1）得到轉(zhuǎn)換后的像素分量值：

GRAY=0.3*R+0.59*G+0.11*B（1）

在MATLAB中，函數(shù)img2gray就是采用加權(quán)法實(shí)現(xiàn)的。圖像二值化就是將圖像像素點(diǎn)的灰度值設(shè)置為0或255，也就是將整個(gè)圖像呈現(xiàn)出明顯的黑白效果。二值化的處理過程是將圖像中有意義的特征和需要應(yīng)用的特征進(jìn)行分割，利用前景和背景灰度特性的差異，低于閾值的像素設(shè)定為一個(gè)灰度值，高于閾值的像素設(shè)定為另一個(gè)灰度值。這樣可將前景色與背景色以明顯差異的灰度級區(qū)分開來[2]。閾值選取有手動選取和自適應(yīng)選取兩種方法。MATLAB中圖像二值化的實(shí)現(xiàn)主要依靠im2bw函數(shù)來實(shí)現(xiàn)。圖像二值化過程中，最重要的是閾值變換。比如數(shù)組a=[120，254，0，200，99]，設(shè)定一個(gè)閾值125，并對a進(jìn)行閾值變換，那么a中凡是大于125的，則變?yōu)?55，小于等于125的則變?yōu)?。具體對臨界情況處理可能不同，不過MATLAB中im2bw函數(shù)是按照上述方法處理的。a經(jīng)過閾值變換后變?yōu)閇0，255，0，255，0]。在MATLAB中使用im2bw函數(shù)進(jìn)行圖像二值化處理時(shí)（將圖像轉(zhuǎn)換為二值圖像），人為設(shè)定閾值并不總是十分有效。MATLAB工具箱提供了graythresh函數(shù)[3]。該函數(shù)使用最大類間方差法得到一個(gè)閾值，利用這個(gè)閾值進(jìn)行圖像二值化通常有效。

經(jīng)過預(yù)處理后得到的二值化圖像，還要經(jīng)過一系列圖像處理過程，才能用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練。

3圖像處理

圖像處理的目的是將圖片變?yōu)樯窠?jīng)網(wǎng)絡(luò)能處理的數(shù)據(jù)流。圖像處理流程如下：

（1）利用梯度銳化。使得圖像更加突出，以便分析。算法：當(dāng)前點(diǎn)像素值與其下一個(gè)像素值之差的絕對值，加上當(dāng)前點(diǎn)像素值與其下一行當(dāng)前像素值之差的絕對值，如果結(jié)果大于閾值，則當(dāng)前像素值置為此結(jié)果。

（2）去除離散噪聲。利用遞歸方法查找當(dāng)前像素8個(gè)方向是否存在黑色像素，這里設(shè)置連續(xù)長度為15，如果用遞歸方法得到連續(xù)像素值大于15，則認(rèn)為不是噪聲；相反，則認(rèn)為是噪聲，則置為白色像素。

（3）字符傾斜度調(diào)整。盡量保存每個(gè)字符的位置一致。

（4）分割字符。找出每個(gè)字符的區(qū)域，用矩形記錄，記錄每個(gè)字符矩形數(shù)據(jù)。

（5）字符歸一化。根據(jù)圖像預(yù)處理準(zhǔn)備階段設(shè)置的歸一化標(biāo)準(zhǔn)，把每個(gè)字符的區(qū)域進(jìn)行歸一化，使得所有字符區(qū)域矩形一樣大，只是位置不一樣。

（6）字符緊密排列。把所有字符緊密排列，以備識別使用。

本文示例樣本圖片中只有單個(gè)數(shù)字，且無較大干擾，所以不需要去除離散噪聲、字符傾斜度調(diào)整、分割字符和字符緊密排列等步驟。經(jīng)過預(yù)處理的圖像數(shù)據(jù)，只需要進(jìn)行銳化和歸一化處理，就可以用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練。

圖像梯度銳化的目的是使原來的模糊圖像變得清晰。MATLAB中使用的梯度函數(shù)為gradient函數(shù)。Gradient（F）函數(shù)求的是數(shù)值上的梯度，計(jì)算規(guī)則：[Fx，F(xiàn)y]=gradient（F），其中Fx為其水平方向上的梯度，F(xiàn)y為其垂直方向上的梯度，F(xiàn)x的第一列元素為原矩陣第二列與第一列元素之差，F(xiàn)x的第二列元素為原矩陣第三列與第一列元素之差除以2，以此類推，如公式（2）。

最后一列則為最后兩列之差。同理，可以得到Fy。

歸一化就是把需要處理的數(shù)據(jù)經(jīng)過處理后（通過某種算法）限制在要求范圍內(nèi)。對于圖像處理中的歸一化而言，就是將所有數(shù)字圖像中的字符歸化成為一個(gè)具有同一高度、同一寬度的圖像，也即讓其中的字符具有同樣規(guī)格。MATLAB中用于實(shí)現(xiàn)圖像矩陣歸一化功能的函數(shù)是mat2gray函數(shù)[5]。該函數(shù)在數(shù)字圖像處理中經(jīng)常用到，歸一化的具體流程如圖4所示。

經(jīng)過歸一化處理之后的圖片數(shù)據(jù)，將其存儲在一個(gè)矩陣中，用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。

4神經(jīng)網(wǎng)絡(luò)訓(xùn)練

人工神經(jīng)網(wǎng)絡(luò)算法主要有兩種：一種是先對待識別字符進(jìn)行特征提取，然后用所獲得的特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器[6]；另一種方法是直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動實(shí)現(xiàn)特征提取直至識別出結(jié)果。前一種方法識別結(jié)果與特征提取有關(guān)，而特征提取比較耗時(shí)。因此，特征提取是關(guān)鍵。后一種方法無需特征提取和模板匹配，隨著相關(guān)技術(shù)的進(jìn)步，這種方法更實(shí)用。

神經(jīng)網(wǎng)絡(luò)有許多種，在MATLAB中已經(jīng)有集成神經(jīng)網(wǎng)絡(luò)工具箱。本文系統(tǒng)中，對數(shù)字圖像的識別采用BP神經(jīng)網(wǎng)絡(luò)來進(jìn)行訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)為前饋神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)的學(xué)習(xí)狀態(tài)為有導(dǎo)師學(xué)習(xí)狀態(tài)。它是一種具有學(xué)習(xí)能力和記憶能力的神經(jīng)網(wǎng)絡(luò)，主要由輸入層、中間層、輸出層3個(gè)部分組成。輸入層、中間層和輸出層可以具有不同數(shù)量的節(jié)點(diǎn)，具體數(shù)量隨需求而定，沒有具體的標(biāo)準(zhǔn)。單層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖6所示。

BP神經(jīng)網(wǎng)絡(luò)是誤差反傳誤差反向傳播算法的學(xué)習(xí)過程，由誤差的反向傳播和信息的正向傳播兩個(gè)過程組成[7]。輸入層各神經(jīng)元首先接收來自外界的輸入信息，然后傳遞給中間層各神經(jīng)元；輸入信息經(jīng)過中間層內(nèi)部信息處理，實(shí)現(xiàn)信息變換，按照信息變化能力需要，中間層可以布局成多隱層或者單隱層結(jié)構(gòu)；最后，一個(gè)隱層傳遞把信息傳遞給輸出層，通過進(jìn)一步處理，實(shí)現(xiàn)一次學(xué)習(xí)的正向傳播處理過程，輸出層把信息處理結(jié)果輸向外界。當(dāng)輸出結(jié)果和預(yù)先期望效果不符時(shí)，就進(jìn)行誤差反向傳播。誤差通過輸出層，根據(jù)誤差梯度下降的方式改變各層權(quán)值，由隱層向輸入層依次反傳。多次交替的信息正向傳播和誤差反向傳播過程，是各層連續(xù)修正的過程，也是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的過程，這個(gè)步驟一直執(zhí)行到最終輸出的誤差降低到能夠接受的范圍，或者預(yù)先輸入的學(xué)習(xí)次數(shù)為止。

此系統(tǒng)中所使用的神經(jīng)網(wǎng)絡(luò)在中間層設(shè)置25個(gè)節(jié)點(diǎn)，1個(gè)輸出節(jié)點(diǎn)。此系統(tǒng)采用三層神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)。采用s型對數(shù)函數(shù)logsig作為隱含層各神經(jīng)元的傳遞函數(shù)，并采用純線性函數(shù)purelin作為輸出層各神經(jīng)元的傳遞函數(shù)。此神經(jīng)網(wǎng)絡(luò)的訓(xùn)練函數(shù)采用traingdx，學(xué)習(xí)模式函數(shù)為learngdm。訓(xùn)練步數(shù)最長設(shè)為5 000，性能目標(biāo)設(shè)為0.001。

神經(jīng)網(wǎng)絡(luò)模塊的部分代碼如下：

net=newff（pr，[25 1]，{'logsig' 'purelin'}，'traingdx'，'learngdm'）；

net.trainParam.epochs=5000；

net.trainParam.goal=0.001；

pr為前面圖像處理所獲得的矩陣數(shù)據(jù)。

神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果如圖7所示。神經(jīng)網(wǎng)絡(luò)的性能曲線如圖8所示。

5用戶交互

考慮到該系統(tǒng)具有一定交互功能，讓用戶能自主選擇需要識別的圖片，向系統(tǒng)中添加如下代碼段：

test=input（'請輸入用于測試的圖片編號：'，'s'）；

x=imread（test，'jpg'）；

開始運(yùn)行時(shí)，會提醒用戶選擇需要識別的圖片編號，效果如圖9所示。

用戶輸入需要識別的圖片序號后，系統(tǒng)給出識別結(jié)果和圖像處理各階段中的圖片，此處用subplot函數(shù)來實(shí)現(xiàn)一個(gè)窗口中顯示多張圖片的效果，部分代碼如下：

6結(jié)語

通過樣本識別驗(yàn)證，本文數(shù)字識別系統(tǒng)具有一定識別精度。本系統(tǒng)基本做到樣本圖片的100%識別，對于其它只有單數(shù)字的圖片，經(jīng)過訓(xùn)練之后，也能準(zhǔn)確識別。本系統(tǒng)實(shí)現(xiàn)了部分人機(jī)交互功能，能讓用戶自主選擇需要識別的圖片，并輸出識別結(jié)果和各個(gè)處理過程中的圖片。

參考文獻(xiàn)參考文獻(xiàn)：

[1]岡薩雷斯.數(shù)字圖像處理（MATLAB版）[M].阮秋琦，譯.北京：電子工業(yè)出版社，2006.

[2]梁路宏，艾海舟，徐光佑，人臉檢測研究綜述[J].計(jì)算機(jī)學(xué)報(bào)，2002，25（5）：449458.

[3]羅華飛.MATLAB GUI設(shè)計(jì)學(xué)習(xí)手記[M].北京：北京航空航天大學(xué)出版社，2009.

[4]聶影.MATLAB軟件應(yīng)用研究[J].軟件導(dǎo)刊，2014，13（7）：102104.

[5]趙春蘭.《MATLAB軟件應(yīng)用》課程教學(xué)淺析[J].科技創(chuàng)新導(dǎo)報(bào)，2015（22）：178179.

[6]劉毅娟.人工神經(jīng)網(wǎng)絡(luò)概述[D].唐山：華北理工大學(xué)，2015.

[7]陳流豪.神經(jīng)網(wǎng)絡(luò)BP算法研究綜述[J].電腦知識與技術(shù)，2010，36（6）：1036410365.

責(zé)任編輯（責(zé)任編輯：陳福時(shí)）