基于神經(jīng)網(wǎng)絡(luò)的手寫(xiě)數(shù)字圖像識(shí)別研究設(shè)計(jì)

汪 愿

（三峽大學(xué) 電氣與新能源學(xué)院，湖北宜昌 443000）

引言

自動(dòng)識(shí)別和人工智能技術(shù)，特別是數(shù)字自動(dòng)識(shí)別技術(shù)在人類(lèi)日常生活中發(fā)揮著重要作用。人工神經(jīng)網(wǎng)絡(luò)是由大量的、簡(jiǎn)單的處理單元組成的相對(duì)復(fù)雜的網(wǎng)絡(luò)系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行，分布式存儲(chǔ)和處理，自組織和自主學(xué)習(xí)的許多功能。神經(jīng)網(wǎng)絡(luò)的自動(dòng)識(shí)別技術(shù)發(fā)展與神經(jīng)科學(xué)、數(shù)學(xué)科學(xué)、計(jì)算機(jī)科學(xué)、人工智能和信息科學(xué)密切相關(guān)。神經(jīng)網(wǎng)絡(luò)獨(dú)特的非線性自適應(yīng)信息處理能力彌補(bǔ)了人類(lèi)先前的直覺(jué)、語(yǔ)言識(shí)別和非線性自適應(yīng)信息處理能力的人工智能方法的一些缺點(diǎn)。它在神經(jīng)科學(xué)系統(tǒng)、智能控制、組合優(yōu)化、模式識(shí)別和預(yù)測(cè)等領(lǐng)域得到了很好的應(yīng)用。近年來(lái)，人工神經(jīng)網(wǎng)絡(luò)正在模擬人類(lèi)認(rèn)知的道路上進(jìn)一步發(fā)展。現(xiàn)在人們將遺傳算法。模糊系統(tǒng)和進(jìn)化機(jī)制結(jié)合起來(lái)形成智能計(jì)算，成為人工智能的重要研究方向。MATLAB軟件包含用于解決各種應(yīng)用問(wèn)題的Toolbox工具，可以根據(jù)自己的需要調(diào)用與神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)和培訓(xùn)相關(guān)的工具箱，不需要那些繁瑣的編程，可以省去很多麻煩，更好地集中精力去思考和解決設(shè)計(jì)者需要的一些問(wèn)題。通過(guò)MATLAB軟件，可實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)手寫(xiě)數(shù)字圖像的識(shí)別[1-10]。本研究采用仿真獲取大量手寫(xiě)數(shù)字的識(shí)別正確概率，為其他手寫(xiě)數(shù)字識(shí)別系統(tǒng)設(shè)計(jì)和實(shí)際應(yīng)用方案選取時(shí)提供參考。

1 數(shù)字圖像預(yù)處理

1.1 圖像二值化

圖像二值化是按照一定的標(biāo)準(zhǔn)將圖像分為黑白兩種顏色。二值化處理將圖像上的點(diǎn)的灰度值進(jìn)行設(shè)置。將手寫(xiě)數(shù)字圖像的黑白效果明顯呈現(xiàn)出來(lái)，這方便對(duì)數(shù)字圖像在技術(shù)上進(jìn)行下一步處理。圖像像素值的點(diǎn)的位置與圖像集合性質(zhì)有關(guān)，這里對(duì)像素的多級(jí)值不需要進(jìn)行過(guò)多處理，圖像數(shù)據(jù)和壓縮量大大減小。為了二值圖像更方便處理，這里判定像素灰度值大于等于閾值認(rèn)定是特定物體，255為其灰度值，否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。

有些特定的物體其有均勻的灰度值在內(nèi)部，當(dāng)這些物體在具有其他等級(jí)灰度值的均勻區(qū)域背景條件下，要得到較好的分割圖像效果需要通過(guò)閾值法。遇到物體和背景在灰度值沒(méi)有差別表現(xiàn)出來(lái)的時(shí)候，可以轉(zhuǎn)化為灰度上的差別，分割數(shù)字圖像時(shí)通過(guò)閾值選取技術(shù)來(lái)實(shí)現(xiàn)。動(dòng)態(tài)觀察分割圖像的具體結(jié)果可以通過(guò)動(dòng)態(tài)調(diào)節(jié)閥值實(shí)現(xiàn)。數(shù)字字符圖像二值化后，需要真實(shí)再現(xiàn)原始數(shù)字及其基本要求，筆畫(huà)中不出現(xiàn)空白點(diǎn)，要保持原來(lái)筆畫(huà)結(jié)構(gòu)特征，可以在要顯示的圖像中看到更多細(xì)節(jié)。

1.2 邊緣檢測(cè)與特征值提取

由于二值化圖像字體模糊，需要進(jìn)行漸變銳化。漸變銳化在消除噪聲方面也起著重要作用，其中使用Roberts算子銳化圖像，可以清楚模糊邊緣，選擇適當(dāng)?shù)拈撝悼梢詼p少和消除小噪聲。經(jīng)過(guò)預(yù)處理后，不同大小和不規(guī)則分布的原始字符變成相同大小和整齊排列的字符。每個(gè)功能都有其自身的局限性，所有這些都旨在突出顯示圖像的某些功能，簡(jiǎn)化甚至忽略其他方面的功能，導(dǎo)致信息丟失。只要能夠提及具體的、客觀的和現(xiàn)實(shí)的特征，那些丟失的二級(jí)信息對(duì)于某些問(wèn)題（如指紋識(shí)別和文字識(shí)別）的影響可以忽略不計(jì)。這里采用逐個(gè)像素的特征提取方法，遇到白色像素時(shí)，其特征值為0。在完成掃描之后，形成具有與圖像中的像素?cái)?shù)量相同的像素?cái)?shù)的特征向量矩陣。特征提取是系統(tǒng)設(shè)計(jì)的重點(diǎn)和難點(diǎn)，與整個(gè)設(shè)計(jì)方案的成敗有關(guān)。

2 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練

2.1 BP算法的多層感知器

在神經(jīng)網(wǎng)絡(luò)中，應(yīng)用較多的是多層感知器。三層感知器中，b為偏值，輸入向量為X=(x1,x2,…xi,…xn)T；輸出層輸出向量為Y=(y1,y2,…yj,…yi)T；隱藏層輸出向量為O=(o1,o2,…ok,…ot)T；期望輸出向量為D=(d1,d2,...dk,...dt)T；輸入層到輸出層的權(quán)值為V1=(v11,v12,...v1j,...v1m)T，V2=(v21,v22,...v2j,...v2m)T。

對(duì)隱藏層有：

對(duì)輸出層有：

式中，變換函數(shù)f（x）均為單極性sigmoid函數(shù)f(x)=具有連續(xù)可導(dǎo)特點(diǎn) ，f'(x)=f(x)[1-f(x)]，以上共同構(gòu)成三層感知器的數(shù)學(xué)模型。

2.2 BP神經(jīng)網(wǎng)絡(luò)算法過(guò)程

本設(shè)計(jì)采用將輸出值作為線性方程組，對(duì)訓(xùn)練樣本任意選定一組自由權(quán)值，作為輸入層，與隱藏層之間的固定自由權(quán)。通過(guò)傳遞函數(shù)計(jì)算隱藏層的實(shí)際輸出，再將輸出層與隱藏層間的權(quán)值作為待求量，直接將目標(biāo)輸出作為等式的右邊建立方程組來(lái)求解。BP算法包含兩個(gè)過(guò)程：第一是正向輸入過(guò)程，將采樣信息從第一層輸入層輸入，然后一層一層地逐層處理并將信息傳遞下去，直到最后的輸出層，當(dāng)輸出層的輸出信息和需要的預(yù)期值不一致時(shí)，就會(huì)進(jìn)入第二個(gè)過(guò)程；第二過(guò)程是將第一過(guò)程最后實(shí)際輸出反向傳播，通過(guò)隱藏層將輸出信息傳到輸入層，并將誤差信息分發(fā)下去給其他單元層，因此，這些誤差信號(hào)將作為校正的權(quán)值基礎(chǔ)。輸入信號(hào)在正方向傳播過(guò)程中循環(huán)，不斷調(diào)整權(quán)值和減少誤差的過(guò)程就是神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和訓(xùn)練過(guò)程，直到最終訓(xùn)練結(jié)果誤差達(dá)到可以接受的水平。該過(guò)程是輸入一個(gè)學(xué)習(xí)樣本，并使用反向傳播算法重復(fù)訓(xùn)練和調(diào)整網(wǎng)絡(luò)的權(quán)重和偏差，以便目標(biāo)盡可能接近預(yù)期目標(biāo)。其主要目的是回退輸出誤差，并將誤差分布到每一層的所有單元，以獲得每層單元的誤差信號(hào)并校正每個(gè)單元的權(quán)重。當(dāng)網(wǎng)絡(luò)輸出層錯(cuò)誤小于指定值時(shí)，訓(xùn)練完成。

2.3 BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與訓(xùn)練

BP網(wǎng)絡(luò)的設(shè)計(jì)主要包括輸入層和隱含層，輸出層和各層之間的傳遞函數(shù)關(guān)系。大多數(shù)神經(jīng)網(wǎng)絡(luò)具有預(yù)定義的網(wǎng)絡(luò)層，并且BP神經(jīng)網(wǎng)絡(luò)可以包含不同的隱藏層。多層神經(jīng)網(wǎng)絡(luò)至少有一層或多層，每層神經(jīng)元的數(shù)目有一個(gè)或多個(gè)。構(gòu)建一個(gè)訓(xùn)練樣本集，一些網(wǎng)站也有經(jīng)過(guò)訓(xùn)練的數(shù)據(jù)集供實(shí)驗(yàn)使用。然后構(gòu)造訓(xùn)練t所需的輸入向量p和目標(biāo)向量。實(shí)際上，它是調(diào)整這兩個(gè)參數(shù)的權(quán)重和偏移量。正向傳輸，輸出值的逐層傳輸。反向反饋，將層中的權(quán)重和偏差值向后調(diào)整。

3 仿真平臺(tái)的搭建

MATLAB的圖像處理和工具箱能支持的圖像形式有RGB圖像、二進(jìn)制圖像、灰度圖像等并且能夠處理BMP、JPG、TIFD等不同格式文件。程序完成以后就是GUI界面設(shè)計(jì)，設(shè)計(jì)的界面盡量以簡(jiǎn)潔為主，能夠?qū)崿F(xiàn)所有功能的分布執(zhí)行，按照順序依次進(jìn)行。GUI設(shè)計(jì)主要利用GUIDE編輯器進(jìn)行。GUIDE編輯器可以快捷地進(jìn)行GUI界面設(shè)計(jì)卻不需要那些復(fù)雜的函數(shù)，GUIDE是以對(duì)象為主體的思想，使GUI設(shè)計(jì)更加方便靈活。

4 仿真實(shí)驗(yàn)的結(jié)果

測(cè)試以20組0到9的50個(gè)阿拉伯手寫(xiě)數(shù)字，只對(duì)手寫(xiě)數(shù)字的圖像進(jìn)行處理，不進(jìn)行其他的前期處理。通過(guò)前期實(shí)驗(yàn)準(zhǔn)備步驟，將準(zhǔn)備好的手寫(xiě)數(shù)字圖像進(jìn)行多次的訓(xùn)練，直到達(dá)到我們需要的權(quán)值要求和誤差精度。將準(zhǔn)備好的手寫(xiě)數(shù)字圖片放入測(cè)試集中，通過(guò)仿真軟件處理圖像。逐一測(cè)試每一張手寫(xiě)數(shù)字圖片，記錄下每一次測(cè)試結(jié)果。經(jīng)過(guò)多次的實(shí)驗(yàn)，數(shù)字識(shí)別率高達(dá)99%，達(dá)到了預(yù)期，仿真實(shí)驗(yàn)結(jié)果見(jiàn)表1。

表1 實(shí)驗(yàn)仿真結(jié)果

5 結(jié)論

通過(guò)實(shí)驗(yàn)仿真得到手寫(xiě)數(shù)字圖像的基本特征。通過(guò)大量的訓(xùn)練次數(shù)與權(quán)值優(yōu)化保證識(shí)別正確率。仿真結(jié)果表明，該方法可實(shí)現(xiàn)手寫(xiě)數(shù)字圖像的快速識(shí)別，且有效消除圖片嘈雜等干擾因素對(duì)識(shí)別產(chǎn)生的負(fù)面影響，從而為手寫(xiě)數(shù)字識(shí)別系統(tǒng)設(shè)計(jì)和實(shí)際應(yīng)用方案選取時(shí)提供參考。