以神經網路作手寫英數字辨認

Abstract

在本篇論文中, 我們提出一個可辨識手寫英文及數字的文字辨識系統。我們所提出的 系統包括四個步驟, 依序是: 數位化(Digitization), 前處理(Preprocessing) , 特 徵描述(Description) 及學習╱字類取得(Learnning╱Retrieving) 。在前處理的部 分, 我們提出一個可將文件中之文字塊切出的方法。而在前處理中為極為重要之細字 化, 則是採用SOSA的細字法來找出文字之骨架以便底下步驟之處理。我們提出之曲線 追趿及直線段近似法是以一些小直線段來近似文字的開關。取此小線段與水平方向夾 角的近似方向作寫文字之特徵值。 在一般之文字辨識系統中, 最後一個比對階段是整個過程中最耗時的步驟。我們系統 則是採用一個特殊的神經綱路模式來作比對的工作。利用神經綱路平行, 分散計算之 優點使得比對過程加速進行。在眾多可作為分類之神經綱路模式中, RCE(Restricted Coulomb Energy) 的訓練時間短和廣含性(Generality)大之特色使其比其它模式更適 應在文字辨識系統中之分類功能上。 我們取得由10個不同人寫的30組英文及數字( 每人各寫3 組) 來作測試。每人所寫樣 本中之前兩組作為訓練用之樣本, 而第3 組則作為辨識的資料, 其平均辨識率為83.8 6%。以此經訓練好之綱路來作另外10個人所書寫英數字之辨認, 其辨認率為74.45%。