基于深度残差网络的脱机手写汉字识别研究

摘 要: 手写汉字识别是模式识别与机器学习的重要研究方向和应用领域。近年来,随着深度学习理论方法的完善、新技术的层出不穷,深度神经网络在图像识别分类、图像生成等典型应用中取得了突破性的进展,其中,深度残差网络作为最新的研究成果,已成功应用于手写数字识别、图片识别分类等多个领域。本文将研究深度残差网络在脱机孤立手写汉字识别中的应用方法,通过改进残差学习模块的单元结构,优化深度残差网络性能,同时通过对训练集的预处理,从数据层面实现训练生成模型性能的提升,最后设计实验,验证深度残差网络、End-to-End模式在脱机手写汉字识别中的可行性,分析、总结存在的问题及今后的研究方向。     

属性嵌套计算网格智能算法实现车牌汉字精准识别的设计

设计了环境较差情况下高效精准、辨识汉字的智能车牌识别算法,通过引进属性嵌套计算网格实现了汉字高效辨识的车牌识别算法;算法应用结果表明:算法设计的网格密度与识别率是成正比的,采用的属性嵌套计算网格模型,显著地改进了字符的识别率;将属性计算网格算法与属性嵌套计算网格算法对比可知,采用属性嵌套计算网格算法识别率是98.7%,识别率明显较高;设计算法系统不仅实现了汉字识别的稳定、智能特性,同时表现了抵抗较强外界干扰的特性,这一研究对于智能化汉字识别有明显的借鉴价值。     

基于统计学方法的目标识别技术研究

针奸典型海空目标的识别要求,介绍了一种基于统计学的目标识别方法。该方法通过对图片、视频或实时采集的图像进行预处理、目标分割、边界搜索、内部填充等处理后,提取目标的统计学特征,根据目标的特征值和数据库中的已有样本对未知目标进行识别。对5种舰船三维模型在不同方位角和俯仰角的平面投影图像进行了实验,识别概率能达到809／5以上。实验结果表明,在被测目标样本充足的情况下,该方法能达到较高的识别率。     

基于图像特征提取的脱机手写数字识别方法

脱机手写数字识别其本质是数字的图像特征匹配问题,所以需要进行手写数字的特征提取,为了准确识别,往往使用较高的特征维数,这就导致识别效率较低。为了提高识别效率,同时为了保持较高的识别率,提出了一种基于图像特征提取的脱机手写数字识别方法。首先利用主分量分析法抽取数字字符图像的统计特征,来降低数字的特征维数,通过对主分量重建模型的误差分析进行数字识别;然后,结合手写数字的笔画结构不稳定的特点,设计并提取数字的宽高比结构特征,进一步比对识别;最后,利用自制训练样本及测试样本库进行仿真实验,数字识别率为96%,识别准确率较高。     

计算机制半周视彩色彩虹全息体视图

基于模式/模群复用的多模光纤通信系统是目前光通信领域的研究热点。系统中存在多个模式/模群,如何准确识别它们是提升传输系统性能的关键问题之一。提出了一种基于深度学习的多模光纤模式与模群的智能识别模型,通过引入全卷积神经网络(CNN),对噪声影响情况下线偏振模式及其模群进行仿真和实验研究。首先,基于多平面光转换模式复用器件和普通OM2多模光纤,搭建10个模式(LP01、LP11a/b、LP21a/b、LP02、LP12a/b、LP31a/b)及其对应的3个模群的光场信息获取的仿真和实验平台,利用大量数据进行训练和验证。实验结果显示,模式/模群的总体识别率可达到100%。通过将获取的模群光场图片重构为低分辨率图片,研究低密度光电探测器阵列接收条件下,智能识别模型的识别性能。实验结果显示,采取4×4光探测器阵列接收光场信息时,能获得98.3%的识别效率。本研究表明提出的智能识别模型具有良好的光纤模式/模群智能识别能力,其在多模光纤通信系统性能提升与智能光性能监测方面具有一定的应用潜力。     

基于生成对抗式神经网络的红外目标仿真方法

提出了一种应用于红外目标仿真的模型。利用训练后的条件深度卷积生成对抗网络,只需输入随机噪声和类别标签,便能够自动产生预期类别的红外目标仿真图像。在手写数字数据集(MNIST)和红外数据集上分别训练模型参数,再进行自动生成实验,均可以产生高真实度的样本图像;将判别网络提取的特征用于分类实验,并将所提方法合成的图像用于数据增强,以提升分类器性能。研究结果表明,所提方法能够有效模仿红外辐射特征。     

决策树结构对说话人自适应影响的研究

提出一种利用自适应语料和训练语料对模型状态结构调整的算法。该算法在易混淆的状态间参数共享,提高了模型对样本的后验概率和对自适应语料的利用率,并间接地调整了系统决策树的结构。识别实验结果表明,在不同数量的自适应语句下,调整后的系统识别率比基线系统获得了一致的提高,结合使用MLLR说话人自适应,调整的系统识别率平均提高了 15．60％,有效地减少了测试语料与训练语料决策树结构不匹配造成的系统识别率降低。     

基于深度学习的HL-2A装置ELM实时控制系统的研制

利用HL-2A装置已开发的基于深度学习的边缘局域模(ELM)识别算法和超声分子束注入(SMBI)等ELM缓解设备组成了一个ELM实时识别和控制系统。该系统实时采集相关的输入数据,通过神经网络计算分析,输出识别信号,当检测到存在连续ELM时,触发SMBI以缓解ELM。在HL-2A装置放电实验期间对ELM实时控制系统进行了测试,识别效果明显,在1ms控制周期中,达到了ELM的实时缓解与控制。     

表面肌电采集与在线识别系统

设计了一套简易且分辨率高的表面肌电采集与在线识别系统。系统硬件部分包括信号两级放大、带通滤波、精密整流、16位AD转换芯片ADS1120、AVR单片机等部分;软件部分基于JAVA编程,具有实时滤波、显示并存储肌电信号、在线识别手部动作等功能。系统放大增益倍数为100～2500可调,根据不同被试同一动作的肌电信息,微调放大倍数以减少个体差异;当放大倍数为1000倍时,识别精度达0.3 uV。此外还设计了训练范式,根据被试的训练数据提取在线识别算法的参数,以提高识别准确率。实验结果表明：该系统具有较好的稳定性,能够准确识别四类手部动作,平均识别率达84.37%。     

改进的非接触式在线掌纹识别模拟系统

为了保证非接触式掌纹识别系统所采集的掌纹图像清晰度能够满足识别要求,缩短用户的测试时间,建立了图像清晰度与掌纹错误识别率的关系模型,并实现改进的非接触式在线掌纹识别模拟系统.引入图像清晰度评价函数,建立图像清晰度函数与物距(手与镜头的距离)之间的关系模型;进一步建立图像清晰度与该清晰度下掌纹识别系统错误识别率的关系模型...     

Improved Handwritten Digit Recognition using Quantum K-Nearest Neighbor Algorithm

Handwritten numeral recognition is a technology for automatic recognition and classification of handwritten numeral input through machine learning model. This is widely used in postal code digital automatic system to sort letters. The classical k-nearest neighbor algorithm is used in the traditional digital recognition training model. The recognized digital image classification is obtained through similarity measure or calculation and K value selection. Nonetheless, as the applied data volume exceeds a certain threshold, the time complexity of the model increases exponentially upon the similarity measure and K value search. This condition makes it hard to apply the model universally. In this paper, we introduce quantum computing, that is where digital image information is stored in the quantum state, and its similarity is calculated in parallel. Also, the most similar K points are obtained through the Grover algorithm. The theoretical analysis of the proposed improved algorithm shows that, handwritten numeral recognition based on quantum k-neighbor algorithm can improved upon time complexity of \( \mathrm{O}\left(\mathrm{R}\sqrt{kM}\right) \) of the existing algorithm.

     

基于BP神经网络的车牌字符识别算法研究

车牌字符识别是车牌识别系统中的关键环节。采用图像处理和神经网络相结合的方法设计新的车牌字符识别算法,先对分割出的车牌字符进行归一化处理,然后进行SOBEI．边缘检测和角点特征提取,最后输入BP神经网络进行训练、识别,其中BP神经网络模型属于改进型神经网络。通过一系列神经网络训练和仿真实验,车牌识别速度和正确率得到了明显的提高。     

A character recognition system using a Φ-spatial filter

The results of experiments on character recognition, using a combination of Φ-spatial and band-pass filters, are reported. The experiments were made with fifteen classes of typewritten characters, with twenty-four classes of typewritten characters and with ten classes of handwritten characters.     

HMM模型下视频手写签名认证算法研究

为了提高视频手写签名认证的准确率,确保身份认证的严谨性,需要对HMM模型下视频手写签名认证算法进行改进设计。使用当前算法对视频手写签名进行认证时,存在认证判断误差大、效率低的问题。提出基于HMM模型下视频手写签名认证算法。该算法将使用Wacom手写板采集手写签名特征点及压力数据,对采集到的手写签名特征与压力数据进行预处理,消除采集过程中环境和手写板产生的影响,并且规范采集的视频手写签名特征位置、尺寸,提取手写签名特征与压力数据,再以HMM模型对已提取的视频手写签名特征点与压力数据进行认证与计算,确定签名的真实度。实验仿真证明,所提算法提高了视频签名认证的性能。     

基于拉曼光谱鉴定黑色签字笔笔迹的种类与书写时间

黑色签字笔字迹种类与书写时间的鉴定一直是国内外法庭科学研究领域的热点问题。基于拉曼光谱法的分辨率高、稳定性好、效率高以及无损检测等优点,对收集的16种品牌或牌号的黑色签字笔字迹样本进行测试。完成同一品牌或牌号同一时间在不同存储条件(暗室和光照)与不同纸张本底(复印纸和笔记本)字迹样本的制备。将样本字迹剪裁,双面胶固定在载玻片上,放入储存箱内避光保存,间隔一段时间对样品进行测试,测试工作共持续1年,形成图谱数据库。在考察实验条件如测量点、激光功率及共焦类型等因素影响的基础上,筛选出最佳条件。在此条件基础上,检测黑色签字笔在不同书写时间、储存环境、纸张本底等条件下的字迹样本。实验结果表明:(1)存储条件(暗室和光照)、纸张本底(复印纸和笔记本)等不同条件下,同种黑色签字笔字迹的拉曼位移相同,重复性好,受水和纸张等本底的干扰较小。(2)根据拉曼位移的差异可将16种黑色签字笔分成5类。(3)以2#样本为例, 1 140 cm^-1处拉曼光谱特征峰,归属为酯类化合物的C-O伸缩振动ν(CO)。酯类化合物的含量随着时间延长而不断减少,因此随着书写时间越久远,特征峰的相对强度越大(8→1)。通过拟合后计算出相对面积数值I,样本书写时间越早,I值越大,反之I值越小。研究结果可用于快速、准确、无损判定黑色签字笔字迹的种类和推断其相对书写时间。     

Sparse representation-based classification algorithm for optical Tibetan character recognition

A sparse representation-based two-phase classification algorithm is proposed for off-line handwritten Tibetan character recognition. The first phase realizes coarse classification with the K-NN classifier by finding the K nearest neighbours of a test sample in the dictionary constructed by K-SVD with samples of all classes, and the classes of these neighbours are regarded as the candidate classes of the test sample. The second phase performs fine classification with the sparse representation classifier by sparsely representing the test sample with all elements of the dictionary constructed by K-SVD with samples of all candidate classes, and the test sample is finally classified into the candidate class with the maximal contribution in sparse representation. Experiments on the Tibetan off-line handwritten character database show that an optimal recognition rate of 97.17% has been reached and it is 2.12% higher than that of K-NN.     

Printed Chinese character recognition with a real-time optical correlator

A prototype real-time Chinese character recognition processor, which utilizes the Vander Lugt type complex spatial filter is presented. A real-time correlation operation is performed with a photoconductor-liquid crystal device as an incoherent-to-coherent image converter. Bandpass Fourier transform images passing through a bandpass spatial filter are sequentially recorded on a rotating hologram recording plate as stored reference patterns. It makes possible holding the stable discrimination for noisy unknown input patterns and storing a huge number of reference patterns. The typewritten Chinese characters in practice are experimentally discriminated from very similar ones in the real-time optical correlator. This indicates the possibility of more than 2000 printed Chinese character recognition with the optical correlation.     

近红外光谱的古筝面板用木材等级识别研究

目前民族乐器古筝面板用板材的等级主要依靠乐器技师凭借个人经验进行判断,此方法受限于有丰富经验的技师且容易受其主观判断影响。针对此现状,以用于制作古筝面板的泡桐木材为实验样本,提出了一种利用近红外光谱结合改进的BP神经网络方法,实现快速识别古筝面板用板材的不同等级。近红外光谱可以表征丰富的物质结构与组成信息,并且测量仪器成本较低,附件形式多样化,所以针对泡桐板材的近红外光谱实验分析有实用意义首先进行光谱去噪,消除系统误差等以提高光谱分辨率,根据均方根误差与信号平方和作为多种预处理方法评价指标,选取一阶导数为本实验最终预处理方式,15为合适的滤波去噪窗口大小,然后通过主成分分析法压缩数据以及马氏距离法剔除建模集异常样本,从而建立更具代表性的建模集。然后通过聚类分析无监督学习方法进行板材等级分析,证明板材分级的可行性。由于H₂O在近红外光谱区域具有较大吸收,根据实验光谱分析结果,不考虑其基频振动波段5 396.0～4 978.0 cm-1区域和第一泛音振动波段6 800～7 000 cm-1区域,仅考虑剩余近红外光谱波段信息,将不同光谱信息波段组合,共七种组合波段区域作为神经网络模型的输入,进行面板板材等级识别模型实验。对传统的BP神经网络模型作改进。BP神经网络中学习率的设置采用自适应学习率优化策略,弥补传统神经网络训练速率慢等劣势。同时采用交叉熵函数作为代价函数,从而加快权重的更新速度。选取Relu函数作为输入层与隐藏层之间的传递函数,提高了模型训练速度,有效防止过拟合的发生。选取Softmax函数作为最后一层的传递函数,以此减少复杂计算,构成该研究最终BP神经网络模型。选取不同数量的主成分变量所能提取的光谱信息量不同,通过不断增加主成分个数和调整参与模型的光谱波段区间,调整BP神经网络模型的输入,当主成分个数为11和光谱区间为10 000～7 000和4 976～4 000 cm-1时,未知样本识别率达到99.7%,所选光谱区间涵盖C-H等基团全部特征信息。研究结果表明,近红外光谱结合神经网络可以对不同等级的泡桐木材进行有效的识别,降低人工检测误差,缩短板材分级时间,更好地满足乐器市场需求。     

拉曼光谱3D成像技术确定黑色交叉笔画顺序的研究

在文书鉴定中,经常涉及对交叉笔画的检验,进而判断文件是否存在篡改、变造,此外,交叉笔画的检验也有助于判断笔迹个性特征、笔顺特征。本文采用拉曼光谱3D成像技术对多品牌不同型号的黑色圆珠笔和国产签字笔进行实验筛选,结合现有交叉笔画检验方法中如笔画连续性、收敛现象等特征,分析该方法判断交叉笔画书写顺序适用的各种情形:经赋色的笔画3D模型大量出现明显的“峰谷”异色现象,且表现一致,则能够得出准确结论;当现象明显存在但表现不一致或现象不明显时,需结合笔画连续性在3D模型中的特征分析判断,亦能得出正确结论,但准确率受数据处理的优劣及成像效果的影响较大;无法检测的情形,即无法获得有效拉曼光谱信息或无法区分两种油墨光谱信息时,该方法失效。笔者认为采用拉曼光谱3D成像技术在一定条件下能够对交叉笔画书写顺序进行相对客观、准确的判断,受鉴定人员主观影响较小,值得更加深入全面的研究,以便推广应用。