基于鬼成像的手写字体分类方法

针对手写字体特征提取难、识别效率低甚至错误的问题，提出一种结合鬼成像原理和分类网络的思想用于手写字体的识别。首先，使用激光器、数字微镜阵列、单像素探测器等搭建鬼成像探测系统，利用系列哈达玛散斑场分别实现对17 239幅手写字体的照射；其次，利用单像素探测器对手写字体透射的总光强值进行采集，并将其转换为一维向量作为网络训练的输入；最后基于卷积神经网络在图像分类的优势搭建网络架构且为解决训练过程中的网络退化问题加入残差块。实验结果表明：对于手写数字来说，全连接神经网络与卷积神经网络的精密度、召回率、F1值分别提高86.50%/97.25%、86.40%/98.03%、86.31%/97.60%；对于手写字母来说，卷积神经网络在全采样下的精密度、召回率、F1值分别为91.87%、90%、90.23%。该方法利用鬼成像原理，仅通过手写字体透射的总光强值而无需对手写字体的特征进行提取与识别便可进行快速分类，大幅提升了手写字体的识别效率。