汪 愿

（三峽大學 電氣與新能源學院，湖北宜昌 443000）

引言

自動識別和人工智能技術(shù)，特別是數(shù)字自動識別技術(shù)在人類日常生活中發(fā)揮著重要作用。人工神經(jīng)網(wǎng)絡(luò)是由大量的、簡單的處理單元組成的相對復雜的網(wǎng)絡(luò)系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行，分布式存儲和處理，自組織和自主學習的許多功能。神經(jīng)網(wǎng)絡(luò)的自動識別技術(shù)發(fā)展與神經(jīng)科學、數(shù)學科學、計算機科學、人工智能和信息科學密切相關(guān)。神經(jīng)網(wǎng)絡(luò)獨特的非線性自適應信息處理能力彌補了人類先前的直覺、語言識別和非線性自適應信息處理能力的人工智能方法的一些缺點。它在神經(jīng)科學系統(tǒng)、智能控制、組合優(yōu)化、模式識別和預測等領(lǐng)域得到了很好的應用。近年來，人工神經(jīng)網(wǎng)絡(luò)正在模擬人類認知的道路上進一步發(fā)展。現(xiàn)在人們將遺傳算法。模糊系統(tǒng)和進化機制結(jié)合起來形成智能計算，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用問題的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)計和培訓相關(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)計者需要的一些問題。通過MATLAB軟件，可實現(xiàn)BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)手寫數(shù)字圖像的識別[1-10]。本研究采用仿真獲取大量手寫數(shù)字的識別正確概率，為其他手寫數(shù)字識別系統(tǒng)設(shè)計和實際應用方案選取時提供參考。

1 數(shù)字圖像預處理

1.1 圖像二值化

圖像二值化是按照一定的標準將圖像分為黑白兩種顏色。二值化處理將圖像上的點的灰度值進行設(shè)置。將手寫數(shù)字圖像的黑白效果明顯呈現(xiàn)出來，這方便對數(shù)字圖像在技術(shù)上進行下一步處理。圖像像素值的點的位置與圖像集合性質(zhì)有關(guān)，這里對像素的多級值不需要進行過多處理，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定是特定物體，255為其灰度值，否則這些像素點被排除在物體區(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，當這些物體在具有其他等級灰度值的均勻區(qū)域背景條件下，要得到較好的分割圖像效果需要通過閾值法。遇到物體和背景在灰度值沒有差別表現(xiàn)出來的時候，可以轉(zhuǎn)化為灰度上的差別，分割數(shù)字圖像時通過閾值選取技術(shù)來實現(xiàn)。動態(tài)觀察分割圖像的具體結(jié)果可以通過動態(tài)調(diào)節(jié)閥值實現(xiàn)。數(shù)字字符圖像二值化后，需要真實再現(xiàn)原始數(shù)字及其基本要求，筆畫中不出現(xiàn)空白點，要保持原來筆畫結(jié)構(gòu)特征，可以在要顯示的圖像中看到更多細節(jié)。

1.2 邊緣檢測與特征值提取

由于二值化圖像字體模糊，需要進行漸變銳化。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?shù)拈撝悼梢詼p少和消除小噪聲。經(jīng)過預處理后，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，簡化甚至忽略其他方面的功能，導致信息丟失。只要能夠提及具體的、客觀的和現(xiàn)實的特征，那些丟失的二級信息對于某些問題（如指紋識別和文字識別）的影響可以忽略不計。這里采用逐個像素的特征提取方法，遇到白色像素時，其特征值為0。在完成掃描之后，形成具有與圖像中的像素數(shù)量相同的像素數(shù)的特征向量矩陣。特征提取是系統(tǒng)設(shè)計的重點和難點，與整個設(shè)計方案的成敗有關(guān)。

2 BP神經(jīng)網(wǎng)絡(luò)學習訓練

2.1 BP算法的多層感知器

在神經(jīng)網(wǎng)絡(luò)中，應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。

對隱藏層有：

對輸出層有：

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)可導特點 ，f'(x)=f(x)[1-f(x)]，以上共同構(gòu)成三層感知器的數(shù)學模型。

2.2 BP神經(jīng)網(wǎng)絡(luò)算法過程

本設(shè)計采用將輸出值作為線性方程組，對訓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)。通過傳遞函數(shù)計算隱藏層的實際輸出，再將輸出層與隱藏層間的權(quán)值作為待求量，直接將目標輸出作為等式的右邊建立方程組來求解。BP算法包含兩個過程：第一是正向輸入過程，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，當輸出層的輸出信息和需要的預期值不一致時，就會進入第二個過程；第二過程是將第一過程最后實際輸出反向傳播，通過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，這些誤差信號將作為校正的權(quán)值基礎(chǔ)。輸入信號在正方向傳播過程中循環(huán)，不斷調(diào)整權(quán)值和減少誤差的過程就是神經(jīng)網(wǎng)絡(luò)的學習和訓練過程，直到最終訓練結(jié)果誤差達到可以接受的水平。該過程是輸入一個學習樣本，并使用反向傳播算法重復訓練和調(diào)整網(wǎng)絡(luò)的權(quán)重和偏差，以便目標盡可能接近預期目標。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并校正每個單元的權(quán)重。當網(wǎng)絡(luò)輸出層錯誤小于指定值時，訓練完成。

2.3 BP神經(jīng)網(wǎng)絡(luò)設(shè)計與訓練

BP網(wǎng)絡(luò)的設(shè)計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)目有一個或多個。構(gòu)建一個訓練樣本集，一些網(wǎng)站也有經(jīng)過訓練的數(shù)據(jù)集供實驗使用。然后構(gòu)造訓練t所需的輸入向量p和目標向量。實際上，它是調(diào)整這兩個參數(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，設(shè)計的界面盡量以簡潔為主，能夠?qū)崿F(xiàn)所有功能的分布執(zhí)行，按照順序依次進行。GUI設(shè)計主要利用GUIDE編輯器進行。GUIDE編輯器可以快捷地進行GUI界面設(shè)計卻不需要那些復雜的函數(shù)，GUIDE是以對象為主體的思想，使GUI設(shè)計更加方便靈活。

4 仿真實驗的結(jié)果

測試以20組0到9的50個阿拉伯手寫數(shù)字，只對手寫數(shù)字的圖像進行處理，不進行其他的前期處理。通過前期實驗準備步驟，將準備好的手寫數(shù)字圖像進行多次的訓練，直到達到我們需要的權(quán)值要求和誤差精度。將準備好的手寫數(shù)字圖片放入測試集中，通過仿真軟件處理圖像。逐一測試每一張手寫數(shù)字圖片，記錄下每一次測試結(jié)果。經(jīng)過多次的實驗，數(shù)字識別率高達99%，達到了預期，仿真實驗結(jié)果見表1。

表1 實驗仿真結(jié)果

5 結(jié)論

通過實驗仿真得到手寫數(shù)字圖像的基本特征。通過大量的訓練次數(shù)與權(quán)值優(yōu)化保證識別正確率。仿真結(jié)果表明，該方法可實現(xiàn)手寫數(shù)字圖像的快速識別，且有效消除圖片嘈雜等干擾因素對識別產(chǎn)生的負面影響，從而為手寫數(shù)字識別系統(tǒng)設(shè)計和實際應用方案選取時提供參考。