1、隨著電子計算機的不斷發(fā)展,社會各個領域的信息化進程也在不斷加快,在這個過程中,光學識別技術(OCR)逐漸成為一些工作中的主角。OCR技術中的手寫體數(shù)字識別技術近年來發(fā)展迅速。盡管目前計算機還無法做到識別全部正確,但其應用早已十分廣泛:例如公安領域的車牌識別,財務領域的財務報表、銀行票據(jù)信息的自動錄入,郵政領域的郵政編碼自動分揀等。另一方面,這一問題也是模式識別的經(jīng)典問題,其研究對于模式識別領域的其他問題依然有很大的啟發(fā)作用,為追求更好的

2、識別性能,包括更高的識別率以及更快的識別速度,研究者仍然在識別過程的各個環(huán)節(jié)進行著深入的研究,可見,手寫體數(shù)字識別問題的研究同時具有重要學術意義和實用價值。
　　 本文首先根據(jù)銀行實際工作中流通的票據(jù)掃描進入計算機的灰度圖像,以實際場景中的手寫體數(shù)字為樣本來源,建立了一套手寫體數(shù)字字庫,包括5萬字的訓練字庫和2萬字的測試字庫,該字庫完全取自實際場景,為真實灰度圖像字庫。其次,在特征提取方面,本文使用一種梯度細分特征,這種特征對圖

3、像梯度信息進行子方向細分,并進行模糊統(tǒng)計,形成特征,第三,本文實現(xiàn)了四種分類器:1)最近鄰單純型分類器(NNS),它改進了最近鄰分類器的特征度量方式,由度量樣本到樣本的距離,變?yōu)槎攘繕颖镜侥硞€樣本子集所組成的單純型(Simplex)的距離,距離刻畫更加精準,識別率顯著提高。2)最近鄰單純型分類器(NNS)與圖像形變匹配算法(IDM)組合而成的二級分類器,它將NNS,IDM分別作為第一、二級分類算法,根據(jù)第一級分類結果的可靠度決定是否進行