基于SVM的手写体汉字识别.ppt

福州大学应用数学与计算机科学学院 毕业设计答辩讲稿 基于SVM的手写体汉字识别 姓名： 高长进 学号： 030601504 福州大学数学与计算机科学学院 研究目的 脱机手写体汉字识别作为汉字识别领域中最难的课题，具有相当的研究价值和发展前景。 为了探寻进行脱机手写体汉字识别的更加实用有效的方法，本文讨论了利用支持向量机SVM对脱机手写体汉字进行识别的方法。 研究背景 联机手写体汉字识别：难度小，发展成熟 脱机手写体汉字识别：难度高，有待发展 研究方法 特征提取算法 小波多网格特征提取法 笔画密度投影法 复合特征 分类识别算法 支持向量机算法 LIBSVM工具 图像预处理 图像二值化 去噪 分割与缩放 细化 预处理前 二值化和锐化效果 去噪和缩放 细化 特征提取算法 小波多网格算法：16维 笔画密度投影算法：96维 特征融合算法：小于或等于112维 小波多网格算法 笔画密度投影算法 特征融合算法 将两种方法提取出来的特征数据合在一起，去除一些冗余维的数据，形成新的特征数据。 SVM模型训练与测试 结果分析 结果总结 实验结果表明，使用特征融合的方法可以有效结合两种算法的优点，目前一些有脱机手写体汉字识别功能的产品总体识别率仅有30%左右，因此本实验结果证明本文提出的方法是可行的且有一定的实用价值。 谢谢！ * * 福州大学毕业设计答辩讲稿 福州大学毕业设计答辩讲稿 研究意义 理论意义 ：促进相关学科的发展与完善以及各学科的相互融合与借鉴 应用价值 ：促进人机交互，加快信息流动，创造巨大的经济效益 福州大学毕业设计答辩讲稿 福州大学毕业设计答辩讲稿 福州大学毕业设计答辩讲稿 计算图像的质点坐标 ： 计算变换子图中4个网格的灰度平均值 ： 采用递归算法可以计算出16维小波特征 按照以下公式计算笔画密度投影特征： 其中Mh1~ Mh24，Ms1~ Ms24，Mp1~ Mp24，Mn1~Mn24分别表示00，900，450 和1350 方向线扫描投影笔画灰度累加值。 福州大学毕业设计答辩讲稿 参与实验的共有7个手写体汉字，每个汉字120个样本，其中训练集100个样本，测试集20个样本。 福州大学毕业设计答辩讲稿 * * * *