基于轮廓特征的HMM手写数字识别

doi:10.3778/j.issn.1002-8331.2010.33.048

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (33): 172-174.DOI: 10.3778/j.issn.1002-8331.2010.33.048

• 图形、图像、模式识别 • 上一篇下一篇

基于轮廓特征的HMM手写数字识别

肖明，贾振红

新疆大学信息科学与工程学院，乌鲁木齐 830046

收稿日期:2009-03-31 修回日期:2009-05-20 出版日期:2010-11-21 发布日期:2010-11-21
通讯作者: 肖明

Handwritten digits recognition using HMM based on contour feature

XIAO Ming，JIA Zhen-hong

School of Information Science and Engineering，Xinjiang University，Urumqi 830046，China

Received:2009-03-31 Revised:2009-05-20 Online:2010-11-21 Published:2010-11-21
Contact: XIAO Ming

摘要/Abstract

摘要： 在手写数字识别中，边界链码和环构成了对字符轮廓的完整描述。针对手写数字的特点，建了24种笔划。首先将样本边界链码转化成由24个笔划组成的特征值，再加上环特征，构成整个特征值。然后利用隐马尔可夫模型（HMM）对提取的特征值进行分类识别。首次将字符轮廓特征应用在基于HMM的手写数字识别中，在识别MNIST字库上，取得了92.2%的识别率。

关键词: 隐马尔可夫模型（HMM）, 数字识别, 边界链码, 笔划

Abstract: Boundary chain code and the ring constitute a complete description of character contours in the handwritten digits recognition.24 kinds of strokes are constructed based on the characteristic of handwritten digits.Firstly the boundary chain code is transformed to a component feature by 24 strokes and together with the ring feature，which constitute the entire feature.Then the feature is recognized by using Hidden Markov Model（HMM）.The contour feature which is applied in the handwritten digits recognition of HMM is introduced firstly.The recognition rate of 92.2% is obtained from the recognition of MNIST database.

Key words: Hidden Markov Model（HMM）, digits recognition, boundary chain code, stroke

中图分类号:

TP391.4

肖明，贾振红. 基于轮廓特征的HMM手写数字识别[J]. 计算机工程与应用, 2010, 46(33): 172-174.

XIAO Ming，JIA Zhen-hong. Handwritten digits recognition using HMM based on contour feature[J]. Computer Engineering and Applications, 2010, 46(33): 172-174.

[1]	吕浩，张盛兵，王佳，刘硕，景德胜. 卷积神经网络SIP微系统实现[J]. 计算机工程与应用, 2021, 57(5): 216-221.
[2]	吴楚田，陈永乐，陈俊杰. 多协议交叉的HMM协议异常检测算法[J]. 计算机工程与应用, 2020, 56(8): 81-86.
[3]	丁娜，钟宝江. 手写液晶体数字及识别技术[J]. 计算机工程与应用, 2020, 56(16): 97-104.
[4]	孙敬成，王正彦，李增刚. 卷积神经网络数字识别系统的FPGA实现[J]. 计算机工程与应用, 2020, 56(13): 181-188.
[5]	马义超，赵运基，张新良. 基于PCA初始化卷积核的CNN手写数字识别算法[J]. 计算机工程与应用, 2019, 55(13): 134-139.
[6]	郇战，李晨，万彩艳，陈学杰. 基于步行加速度信息分割的人员识别[J]. 计算机工程与应用, 2019, 55(1): 203-209.
[7]	戈永侃，于凤芹. 后置滤波器参数自适应的语音合成改进算法[J]. 计算机工程与应用, 2017, 53(1): 168-171.
[8]	胡一帆，胡友彬，李骞，耿冬冬. 基于视频监控的人脸检测跟踪识别系统研究[J]. 计算机工程与应用, 2016, 52(21): 1-7.
[9]	何云1，2，李国和1，2，3，林仁杰1，2，成一功1，2，吴卫江1，2，3，洪云峰3. 面向彩印标签的手机数码识别及应用[J]. 计算机工程与应用, 2015, 51(23): 164-168.
[10]	杜鑫，刘文波，李开宇. 纸币数字的多特征综合识别算法[J]. 计算机工程与应用, 2014, 50(19): 169-172.
[11]	陈莉，古丽拉·阿东别克. 基于HMM的柯尔克孜语词性标注的研究[J]. 计算机工程与应用, 2014, 50(15): 120-124.
[12]	陆志坚，吴艳霞，郭振华，孙延腾. 基于脉动阵列的HMMer加速系统[J]. 计算机工程与应用, 2013, 49(8): 76-80.
[13]	阙大顺1，田犇1，赵永安2. 基于FPGA的关键词识别系统实现[J]. 计算机工程与应用, 2013, 49(8): 217-221.
[14]	陈军胜. 组合结构特征的自由手写体数字识别算法研究[J]. 计算机工程与应用, 2013, 49(5): 179-184.
[15]	王鑫，章浩泽，王朝晖，刘纯平. 基于双射变换的脱机手写数字识别方法[J]. 计算机工程与应用, 2013, 49(1): 227-230.

基于轮廓特征的HMM手写数字识别

Handwritten digits recognition using HMM based on contour feature

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics