基于模板匹配的手寫數(shù)字模式識別.ppt

《基于模板匹配的手寫數(shù)字模式識別.ppt》由會員分享，可在線閱讀，更多相關《基于模板匹配的手寫數(shù)字模式識別.ppt（16頁珍藏版）》請在裝配圖網(wǎng)上搜索。

基于模板匹配的手寫數(shù)字模式識別 背景及意義模式識別是六十年代初迅速發(fā)展起來的一門學科 由于它研究的是如何用機器來實現(xiàn)人及某些動物對事物的學習 識別和判斷能力 因而受到了很多科技領域研究人員的注意 成為人工智能研究的一個重要方面 自從計算機問世以來 讓機器具有模式識別能力一直是計算機科學家們的努力方向 研究表明 對視覺和聽覺信息的處理過程 不僅僅是一個感知過程 也是一個認知過程 因此 研究模式識別 是理解人類智能的本質的重要途徑 研究內容本文主要研究的是基于模板匹配的手寫數(shù)字的模式識別 研究對象局限于特定人手寫的數(shù)字 針對0 9這十個數(shù)字 先對其進行圖像預處理 然后運用相應的模板匹配法對其進行匹配 達到最終識別 系統(tǒng)的背景 意義及內容 論文的結構 第一部分手寫體數(shù)字識別簡介第二部分圖像處理第三部分MATABLE介紹第四部分模板匹配第五部分結果 1 手寫體數(shù)字識別簡介 1 1手寫數(shù)字識別概述字符識別的各分支 1 手寫體數(shù)字識別簡介 1 1手寫數(shù)字識別的典型應用手寫數(shù)字識別在大規(guī)模數(shù)據(jù)統(tǒng)計中應用 如 行業(yè)年鑒 人口普查等 手寫數(shù)字識別在財務 稅務 金融 領域中的應用 手寫數(shù)字識別在郵件分揀中的應用 1 2光學字符識別方法的介紹手寫字符識別大致可以分為6中情況 1 模板匹配法 2 統(tǒng)計決策法 3 結構特征法 4 模糊辨別法 5 邏輯推理法 6 神經(jīng)網(wǎng)絡法 2 圖像處理 2 1圖像處理簡介圖像處理技術基本可以分為兩類 模擬圖像處理和數(shù)字圖像處理 2 2數(shù)字圖像的概念一幅圖像可以定義為一個二維函數(shù)f x y 其中x和y是空間坐標 而在任何一對空間坐標 x y 上的幅值f稱為該點圖像的強度或灰度 當x y和幅值f為有限的 離散的數(shù)值時 稱該圖像為數(shù)字圖像 2 圖像處理 2 3數(shù)字圖像預處理2 3 1圖像的增強 1 空間變換增強 2 空間濾波增強 3 頻域增強2 3 2圖像的灰度化2 3 2圖像的平滑濾波2 3 3圖像的二值化2 3 4圖像的細化2 3 5圖像的歸一化 3 MATABLE介紹 3 2MATABLE在數(shù)字圖像處理中的應用MATLAB工具箱中的數(shù)字圖像處理函數(shù)幾乎涵蓋了近期研究成果內的所有技術 因此在實際應用中是十分方便的 例如 imread 函數(shù)用于讀入各種圖像文件 imwrite 函數(shù)用于輸出圖像 imfinfo 函數(shù)用于讀取圖像文件的有關信息 subplot 函數(shù)能將一個圖像窗口分成幾個部分 但同一個圖像窗口內只能有一個調色板 subimage 函數(shù)可在一個圖像窗口內使用多個調色板 下面通過實例介紹幾個簡單的MATLAB工具箱中的數(shù)字圖像處理函數(shù) 1 用MATLAB改變圖像的大小可以通過imresize 函數(shù)來實現(xiàn) 它的調用格式為 B imresize A M METHOD 3 MATABLE介紹 I imread zb jpg J imresize I 2 imshow I figure imshow J 2 用MATLAB對圖像進行旋轉可以通過imrotate 函數(shù)來實現(xiàn) 它的調用格式為 B imrotate A ANGLE METHOD BBOX I imread zb jpg J imrotate I 45 bilinear K imrotate I 45 bilinear crop subplot 1 3 1 imshow I subplot 1 3 2 imshow J subplot 1 3 3 imshow K 論文的結構 3 用MATLAB對圖像進行裁剪可以通過imcrop 函數(shù)來實現(xiàn) 它的調用格式為 B imcrop A MAP RECT imshow zb jpg I imcrop imshow I 4 模板匹配 4 1文中匹配方法文中的模板匹配方法是將預先設計好的標準字符模板存儲在計算機中 然后用待識別字符與標準模板進行邏輯 與 運算 4 1 1文中方法匹配原理通過計算機對一幅圖像進行分析處理 首先要將其轉化為計算機可以識別的語言 因此要對一幅字符圖像進行識別 首先要將其進行灰度化 然后進行二值化得到一幅二值圖像 在這幅二值圖像中 白色部分的像素值為1 黑色部分的像素值為0 即字符筆畫所在位置的像素值為1 邏輯 與 運算的規(guī)則為 1 1 11 0 00 1 00 0 0將其轉變?yōu)閳D像顏色的關系即為 白 白 白 白 黑 黑 黑 黑 黑 黑 白 黑 4 模板匹配 待識別字符圖像與相應的標準字符模板進行邏輯 與 運算后得到的圖像仍為該字符圖像 與不相應的標準字符模板進行邏輯 與 運算后 會因為白色出現(xiàn)的位置不同導致待識別字符圖像中原來的白色部分變?yōu)楹谏?這樣得到的圖像就不再是原有的字符圖像 這一過程的對比圖像如下圖所示 5與9的匹配9與9的匹配 4 模板匹配 4 1 2文中匹配方法的步驟 1 將標準車牌字符模板存儲在計算機中 標準模板如右圖所示 2 將這些標準模板中的數(shù)字圖像進行灰度化和二值化 得到相應二值矩陣Ai 3將待識別的數(shù)字圖像進行灰度化 二值化和大小歸一化 得到相應的二值矩陣B 文中是將待識別數(shù)字圖像的大小統(tǒng)一歸一化為標準模板的大小48 24 上面兩步中將數(shù)字圖像進行灰度化 二值化和大小歸一化的處理所對應的MATLAB命令為 I imread a b level graythresh I BW1 im2bw I level D imresize BW1 48 24 其中 a 表示圖片名稱 b 表示圖片格式 4 模板匹配 4 將二值矩陣B分別與二值矩陣Ai進行邏輯 與 運算 得到新的二值矩陣Ci 這一步中邏輯 與 運算所對應的MATLAB命令 L and a b 5 根據(jù)預先設定好的判別函數(shù)得出最終的識別結果 因為待識別字符圖像與相符的標準字符模板進行邏輯匹配后得到的新圖像變化最小 因此 文中提出了一個判別函數(shù)f cj 該函數(shù)是求取sum Ai sum B 和sum Ci 標準差的最小值 判別函數(shù)的表達式為 5 結果 5結果這種模板匹配方法的計算過程是十分簡單的 但是通過對比圖可以看出這種匹配方法是十分有效的 本文能夠順利完成 要特別感謝我的導師胡紅萍老師 請各位老師批評指正 致謝