基于ＢＰ神經網絡的單數字字符識別算法實現

摘要：提出一個BP神經網絡的單數字字符識別算法的總體實現方案，實現單數字字符圖像的采集、儲存、識別和顯示。根據BP神經網絡的原理，把識別算法分成工作期算法和學習期算法，并采用VC++6.0軟件，運用VC語言分別設計并實現其算法，用MFC設計了系統的顯示界面，最終可以在液晶屏幕上看到字符的識別結果。結果顯示運用該算法，單數子圖像識別率在90%以上，而且學習次數越多，識別率越高?；贐P神經網絡的單數字字符識別算法可以廣泛應用到數字儀表、車牌識別、衛星定位等很多領域，具有一定的應用價值。

關鍵詞：單數字字符；識別算法；BP網絡

中圖分類號：TP183文獻標識碼：A文章編號：1009-3044(2008)29-0461-03

Recognition Algorithm of Single Numeric Character Based on BP Neural Network

PAN Zhi-jie， REN Sai-jun， CHEN You-rong

(Information Science Technology College，Zhejiang Shuren University，Hangzhou 310015，China)

Abstract: Propose an overall realized project that recognition algorithm of single numeric character based on BP neural network， realizes single numeric character image collection， storage， recognition and display. According to the BP neural network's principle，the recognition algorithm is divided into the work algorithm and the study algorithm. Use the software of VC++6.0， respectively design and realize the algorithms with the VC language， design system's display interface with MFC. Finally the character recognition results display on the liquid crystal screen. The result showed that utilizes this algorithm， the recognition rate of single numeric character image is above 90%， moreover the more times of study are， the higher recognition rate is. Recognition algorithm of single numeric character based on BP neural network is widely applied in the digital instrument， the car license recognition， the satellite positioning and so on many field， and it has certain application prospect.

Key words: single alphanumeric character; recognition algorithm; BP network

1 引言

數字圖像處理技術發展到今天，數字圖像識別技術已經獲得長足的進步。在工程、工業以及科學研究中的應用有著廣闊的前景。特別在化工、電力、流量統計、技術檢測等行業的自動控制中數字字符顯示的自動動態識別問題具有重要的研究意義，由于人眼的判別易產生視覺疲勞和失誤而引起錯判、誤判，甚至對一些關鍵信息漏判造成不可挽回的損失。因此，對數字字符顯示的動態計算機自動識別、自動控制有著迫切的要求和現實的意義。特別我國已成為制造業大國，故在化工、電力、流量統計、技術檢測等行業實現自動控制中數字字符顯示的計算機自動動態識別、自動控制在提高產品附加值和提高生產的效率、效益具有其特殊意義[1]。

2 系統設計方案

隨著多媒體技術的不斷發展，數字圖像處理技術被廣泛應用于可視電話、電視會議、監控系統等各種民用、商用及工業生產領域中。但在字符識別系統中，主要的問題就是字符識別的方法。當前的字符識別屬于模式識別的范疇[2]。

模式識別研究的目的是構造自動處理某些信息的機器系統 ，以代替人完成分類和辨識的任務。一個圖像識別系統可分為三個主要部分：1) 圖像信息的獲取；2) 信息的加工和處理抽取特征；3) 判斷或分類[3]。其框圖如圖1所示。

在圖像識別系統中常用的字符識別的方法主要有：模板匹配法，遺傳算法，分形法，支持向量機法，人工神經網絡法等?！叭斯ど窠浘W絡”(ARTIFICAIL NEURAL NETWORK，簡稱A.N.N)是在對人腦組織結構和運行機制的認識理解基礎上模擬其結構和智能行為的一種工程系統。由于人工神經網絡具有與人腦的高度并行性、良好的容錯性和聯想記憶功能、自適應和自學習能力等特點，特別是以改進型BP網絡為代表的神經網絡具有良好的自學習能力、強大的分類能力、容錯能力和魯棒性，可以實現輸入到輸出的非線性映射。因此采用三層BP神經網絡法來進行數字字符的識別。

3 三層BP神經網絡原理

3.1 神經網絡簡介

神經網絡[4]是由大量處理單元（神經元、處理元件、電子元件、光電元件等）廣泛互連而成的網絡。它是在現代神經科學研究成果的基礎上提出的，反映了人腦功能的基本特征。但它并不是人腦的真實描寫，而只是它的某種抽象、簡化與模擬。網絡的信息處理由神經元之間的相互作用來實現；知識與信息的存儲表現為網絡元件互連間分布式的物理聯系；網絡的學習和識別決定于各神經元連接權系的動態演化過程。它實際上是一個超大規模非線性連續時間自適應時間自適應信息處理系統。雖然單個神經元的組成和功能極其有限，但大量神經元構成的網絡系統。所能實現的功能，卻是極其豐富多彩的。

神經網絡的工作方式，由兩個階段組成：

1) 學習期：神經元之間的連接權值可由學習規則進行修改，以使目標函數達到最小。

2) 工作期：連接權值不變，由網絡的輸入得到相應的輸出。

3.2 三層BP網絡算法

3.2.1 三層BP網絡工作算法

本系統采用圖2所示的具有一個隱層的三層BP網絡來實現字符的識別[5]。

圖2中，輸入層、隱含層和輸出層的單元數分別是N、L和M。輸入為x1，x2，…，xN；中間層輸出為h1，h2，…hL；網絡實際輸出為y1，y2，…，yM；d1，d2，…dM表示學習樣本期望輸出。輸入單元i到隱含單元j的權值vij，隱含單元j到輸出單元k的權值為wij。用θk和ψj來分別表示輸出單元和隱含單元的閾值。于是，隱含層各單元的輸出為：

輸出層各單元的輸出為：

其中，隱含層激活函數為Sigmoid 函數，輸出層激活函數為線性函數，即f2(x)=x。

誤差函數：

（3）

3.2.2 BP算法學習算法：

1) 將權值、閾值初始化為0～1之間的隨機值；

2) 從樣本中取出x1，x2，…，xN輸入網絡，指定期望輸出d1，d2，…dM；

3) 計算中間層輸出h1，h2，…hL和網絡實際輸出y1，y2，…，yM；

4) 計算實際輸出與期望輸出的誤差：

計算中間層誤差：

5) 計算全局自適應學習因子α：

學習因子修正公式為：

當E(n+1)

6) 調整權值：

其中η為動量系數，取0.9，Δωjk(n-1)和Δvij(n-1)為上次學習時計算出的調整量。

7) 返回第二步，用所有樣本反復學習網絡，多次迭代，直到權值達到穩定。實際學習時，再定義收斂規則：

其中，P為學習樣本數，ε為給定誤差范圍，這里取為0.01，當滿足E<ε時，結束學習。固定已完成學習任務的神經網絡權值，該網絡便構成了一個模式分類器，當學習樣本組以外的輸入模式輸入網絡時，根據實際進行模式識別。

4 BP神經網絡設計

4.1 網絡參數選擇

輸入層神經元個數

輸入層神經元個數為字符歸一化后的維數，這里為8×6，即輸入層有48節點。

輸出層神經元個數

待識別的數字為0～9，即十個數字，所以這里我們采用十個輸出神經元，用1000000000來表示0，0100000000來表示1，以此類推。

隱層個數

Funahashi、Cybenko、Hornik[6]等分別用不同的方法證明了一個共同的結論，即僅含一個隱含層的前饋網絡能以任意精度逼近定義在Rn中的一個集上的任意非線性函數，實現任意分類問題。這里我們采用一個三層網絡。

隱含層神經元個數

隱含層節點數的選擇比較復雜，隱含層神經元個數的過少或過多將導致神經網絡的學習能力不夠或歸納能力很差。隱含層神經元數目較少時，網絡每次學習時間相對較短，但有可能因為映射容量不夠，使整個網絡權值矩陣無法包含全部學習樣本中的信息，導致權值疲于來回調整而無法達到全局最小。隱含層神經元數目較大時，學習能力得到增強，但網絡每次所需的學習時間相對較長，網絡需要的存儲容量也隨之變大。另外，網絡對未知輸入的歸納能力變差。因此BP網絡應有一個最佳隱含層節點數。

4.2 網絡結構

輸入量的提取與表示：由攝像頭獲取一幅像素為150x150的單數字圖像，并在作為網絡輸入前壓縮為10x10的特征提取二值圖像。

輸出量的表示：輸出層可以表示0到9的數值，用“n中取1”表示法，可把輸出0-9分別表示為000000001、0000000010、0000000100、0000001000、0000010000、0000100000、0001000000、0010000000、0100000000、100000000.其中n=10，可表示為輸出節點個數，由于這中表示方法的直觀性和學習樣本設定比較容易，因此本設計采用該方法。

輸入輸出層個數：本設計實現的數字識別，因此輸入和輸出量為數值變量，并且在輸出層設置10個輸出神經元，每個神經元便是一個數值。網絡在輸入層獲取10×10的二值數值圖片，因此可設10個出入層神經元。

隱層個數：確定最佳隱層節點個數的一個常用方法是試湊法，先設置了5個節點，在網絡測試過程中逐漸增加隱層節點數，用同一樣本進行學習，從中確定在網絡誤差最小時對應的隱層節點數為10。

4.3 識別算法流程

識別算法采用VC++6.0軟件，運用VC語言[7]設計并實現其算法，并用MFC設計了系統的顯示界面，其具體的實現流程圖如圖3。

開始，初始化，設置變量和參數，其中包括學習樣本，權值矩陣，學習速率，給各個權值矩陣一個較小的隨機非零向量。然后輸入隨機樣本，對輸入樣本，前向計算BP網絡每層神經元的輸入信號和輸出信號。由實際輸出和期望輸出求得誤差。判斷是否滿足誤差范圍，若滿足則判斷是否學習完所有的樣本，是則結束，否則斷續訓練下一個樣本；不滿足判斷是否已經到了最大迭代次數，若到，判斷是否學習完所有的樣本，是則結束，否則斷續訓練下一個樣本；沒到則反向計算每層神經元的局部梯度。然后根據局部梯度修正各個矩陣的權值。學習完后輸入識別數字，根據誤差函數的值來判斷該圖像是否匹配參考圖像，從中判斷該圖像是否匹配，從中得出該圖像代表的數字值[8]。其軟件流程圖如圖3。

5 識別結果及分析

測試數據選取了30幅圖片，根據學習次數的不同，因為學習次數的不同，識別的結果接不同，最后的識別率見表1。試驗結果顯示學習次數越多，識別率越高。圖4是其部分識別的圖像以及識別的結果。

6 總結

本文提出一個BP神經網絡的單數字字符識別算法的總體實現方案，并用VC++6.0設計并實現了其算法，并最后給出了算法識別的結果圖。測試實驗表明：經過5次訓練后，對單數字字符的的識別率能達到97%，所以經過多次訓練，該系統能夠實現對單數字字符的正確識別，說明在實際應用中它具有可行性，可以用在現實的很多方面，如應用到數字儀表、車牌識別、衛星定位等很多領域，同時具有一定的經濟價值。

參考文獻：

[1] 何斌.Visual C++數字圖像處理[M].北京:人民郵電出版社，2003:386-393.

[2] 焦李成.神經網絡系統理論[M].西安:西安電子科技大學出版社，1996:3-20.

[3] 譚浩強.C程序設計[M].北京:清華大學出版社，2005.

[4] 高雋.人工神經網絡原理及仿真實例[M].北京.機械工業出版社，2003.

[5] 申小陽.數字儀表動態顯示字符的計算機自動識別[D].浙江工業大學碩士論文，2004.

[6] Homik K. Approximation Capabilities of Multilayer Feedforward Network[J].Neural Networks，1997，4(2):251-257.

[7] 劉春雨，李俊.一種字符識別算法在自動識別系統中的應用[J].微電子學與計算機，2008(3):71-73.

[8] 賈少銳，李麗宏，安慶賓.BP神經網絡算法在字符識別中的應用[J].科技情報開發與經濟，2007(2):167-169.