資源描述:
《基于hopfield神經(jīng)網(wǎng)絡(luò)的字符識(shí)別算法研究》由會(huì)員上傳分享,免費(fèi)在線(xiàn)閱讀,更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。
1、基于Hopfield神經(jīng)網(wǎng)絡(luò)的字符識(shí)別算法研究摘要字符識(shí)別是計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域的研究熱點(diǎn)。相關(guān)技術(shù)在車(chē)牌識(shí)別、圖像中的文本提取等方面有廣泛的應(yīng)用前景。目前Hopfield神經(jīng)網(wǎng)絡(luò)是實(shí)現(xiàn)字符識(shí)別的成熟技術(shù),它可以實(shí)現(xiàn)字符圖像的高效聯(lián)想記憶。為此,本課題通過(guò)分析Hopfield神經(jīng)網(wǎng)絡(luò)的算法原理,針對(duì)圖像字符識(shí)別問(wèn)題,深入開(kāi)展了在低噪聲和高噪聲背景下,字符識(shí)別的可靠性研究。實(shí)驗(yàn)結(jié)果表明,Hopfield神經(jīng)網(wǎng)絡(luò)對(duì)小規(guī)模圖像數(shù)據(jù)具有較好的識(shí)別效率,其聯(lián)想記憶功能可以有效降低噪聲對(duì)識(shí)別效果的影響。關(guān)鍵字Hopfield神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)
2、絡(luò)字符識(shí)別TheResearchofCharacterRecognitionAlgorithmbasedonHopfieldNeuralNetwork[Abstract]TheCharacterrecognitionisahotresearchtopicinthefieldofcomputervisionandimageprocessing.Therelatedtechnologyhaswideapplicationprospectintheaspectsoftechnicaltextextractionandthelicense
3、platerecognition.Atpresent,theHopfieldneuralnetworkisthematuretechnologyofthecharacterrecognition’srealization.Itcanrealizeefficientlyassociativememoryofthecharacterimage.Therefore,thistopicthroughtheanalysisofthealgorithmprincipleofHopfieldneuralnetwork,aimingatthepr
4、oblemofimagecharacterrecognition,carryouttheresearchonreliabilityofcharacterrecognitioninlownoiseandhighnoisebackground.Theexperimentalresultsshowthathopfieldneuralnetworkhasgoodrecognitionefficiencyofsmallscaleimagedata,Theassociativememoryfunctionofitcaneffectivelyr
5、educetheinfluenceofnoiseontheidentificationeffect.[Keywords]HopfieldneuralnetworkNeuralnetworkCharacterrecognition目錄1引言11.1研究意義與研究現(xiàn)狀11.2神經(jīng)網(wǎng)絡(luò)的發(fā)展過(guò)程和神經(jīng)網(wǎng)絡(luò)的概念21.3神經(jīng)網(wǎng)絡(luò)在字符識(shí)別上的應(yīng)用32Hopfield神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介32.1Hopfield神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介32.2Hopfield神經(jīng)網(wǎng)絡(luò)的工作流程43Hopfield神經(jīng)網(wǎng)絡(luò)在字符識(shí)別上的應(yīng)用53.1Hopfield神經(jīng)網(wǎng)絡(luò)在字符識(shí)
6、別上的應(yīng)用53.2設(shè)計(jì)可以實(shí)現(xiàn)字符識(shí)別的Hopfield神經(jīng)網(wǎng)絡(luò)53.3實(shí)現(xiàn)字符識(shí)別的Hopfield神經(jīng)網(wǎng)絡(luò)的實(shí)驗(yàn)結(jié)果64Hopfield神經(jīng)網(wǎng)絡(luò)檢測(cè)試驗(yàn)與分析64.1問(wèn)題的提出74.2基于Hopfield神經(jīng)網(wǎng)絡(luò)的字符識(shí)別84.3實(shí)驗(yàn)結(jié)果分析94.4得出結(jié)論10致謝語(yǔ)12[參考文獻(xiàn)]13_Toc3577909791引言近年來(lái),世界各地眾多學(xué)者對(duì)字符識(shí)別這個(gè)領(lǐng)域進(jìn)行了深入的研究,各種字符識(shí)別算法已經(jīng)被大量應(yīng)用于交通管理、商業(yè)信息安全、郵政信息等領(lǐng)域。目前國(guó)際上常用的字符識(shí)別包括基于Hopfield神經(jīng)網(wǎng)絡(luò)的字符識(shí)別算法、基于BP
7、神經(jīng)網(wǎng)絡(luò)的字符識(shí)別算法以及基于圖片模型方法等[1]。雖然字符識(shí)別已經(jīng)不是一個(gè)新興的研究領(lǐng)域,但目前仍然存在著很多需要去克服和解決的難題。在日常生活中,經(jīng)常會(huì)遇到帶噪聲的字符識(shí)別的問(wèn)題,如交通系統(tǒng)汽車(chē)號(hào)牌,由于汽車(chē)在使用過(guò)程中,要經(jīng)受自然環(huán)境的風(fēng)吹日曬和雨水侵蝕,造成字體模糊不清,難以辨認(rèn)。如何從這些殘缺不全的字符中提取完整的信息是字符識(shí)別的關(guān)鍵問(wèn)題。字符識(shí)別在交通、郵政及商業(yè)票據(jù)管理方面有著廣泛的應(yīng)用價(jià)值。神經(jīng)網(wǎng)絡(luò)在汽車(chē)牌照字符識(shí)別中也可以應(yīng)用,采用汽車(chē)牌照字符識(shí)別系統(tǒng)結(jié)構(gòu)模型:首先利用攝像機(jī)和圖像采集卡獲得車(chē)輛牌照的原始圖像,再
8、次對(duì)汽車(chē)牌照原始圖像進(jìn)行預(yù)處理(包括圖像提取、圖像增強(qiáng)、圖像分割等),最終提取到汽車(chē)牌照的各個(gè)字符的24*16的圖像像素二值化特征[2]。1.1研究意義與研究現(xiàn)狀隨著信息的快速發(fā)展,字符識(shí)別的應(yīng)用取得了令人矚目的進(jìn)展,字符識(shí)別也成為了近年來(lái)噪聲識(shí)別