[发明专利]基于卷积神经网络与支持向量机的手写数字识别方法

说明书

技术领域

本发明属于图像处理与模式识别中的技术领域，特别涉及手写数字的识别，具体是一种基于卷积神经网络与支持向量机的手写数字识别方法，在邮政、税务、交通、金融等行业的实践活动中有着极其广泛的应用。

背景技术

手写数字识别隶属于手写体字符识别的一个范畴，手写体识别又分为在线手写体识别和离线手写体识别。在线手写体识别通过记录文字图像抬笔、落笔、笔迹上各像素的空间位置，以及各笔段之间的时间关系等信息，对这些信息进行处理，在处理过程中，系统以一定的规则提取信息特性，再由识别模块将信息特征与识别库的特征进行比较，加以识别，最后转化为计算机所使用的文字代码。离线手写体识别相对于前者来说没有笔划信息，因此难度更大、应用更广泛，如银行票据、工商报表、财务报表、统计报表等各种表格系统，是目前研究的一个重点，也是一个难点，本发明属于离线手写体识别范畴。

随着信息网络的推广，有大量的数据要输入计算机网络。而且在现代信息社会，方方面面都要与数字打交道，数字与人们的日常生活息息相关。目前手写数字识别主要的应用有以下三个领域。

一、在邮件分拣中的应用

在邮件的自动分拣中，离线手写数字识别往往与人工辅助识别等手段相结合，完成邮政编码的阅读；然而在一些大中型城市，每天要处理的邮件量高达几百万件，业务量的急剧上升使得邮件的分拣自动化成为大势所趋，这就要求手写数字的识别能达到一个较高的准确率。

二、在财务、金融领域中的应用

金融财会、税务、金融是离线手写数字识别应用的又一重要领域。随着我国经济的迅速发展，每天等待处理的财会、税务报表、支票、付款等越来越多，如果能把它们用计算机自动处理，无疑可以节约大量的时间、金钱和劳力，更可以提高效率，节省成本。

三、在大规模数据统计中的应用

在数据统计、行业年检、人口普查等领域要进行大规模的数据统计，此时就需要输入大量的数据，完全的手工输入需要耗费大量人力物力，这时手写数字识别就可以发挥它强大的作用。目前国内的大多数实用系统都是要求用户在规范的方格内填写，因此这一类应用相对容易，对算法要求比较低。

随着经济的迅速发展，手写数字识别系统还会有更大的应用空间，这就要求手写数字的识别率达到一个更高水平。虽然数字笔划比较简单，类型也只有十种，但事实上，手写数字识别还有诸多难点，数字识别的准确率还有待提高。手写体数字识别的难点主要体现在以下几点：

一、数字的笔划简单，而且差别相对较小，使得准确区分诸如3与8或5与6等这些数字比较困难。

二、手写阿拉伯数字是全球通用的，使用者也不计其数。书写者具有个性化的书写习惯，即使同一书写者每次的书写结果也会有差异，这就造成了同一个数字形状的千差万别，很难做出可以兼顾各种手写而识别率极高的通用性数字识别系统。

三、在实际应用中，对数字识别率的要求要比普通文字识别要苛刻的多，识别精度要求达到更高的水平。这是因为手写数字识别没有上下文，不存在语意的相关性，数据中的每一个数字又都至关重要，识别不当可能引起经济纠纷。而数字识别经常涉及金融、财会等特殊领域，其对识别结果的严格性更是不言而喻。因此，国内外众多的学者都在为提高手写数字的识别率而努力。

随着信息技术的发展，数字识别技术往往与经济和商业相联系，投入使用的技术必须保证有较高的准确率，因为如果识别错误，即使是极小的错误，也可能会引起一系列的商业纠纷，甚至带来巨大的损失，造成无法挽回的结果。所以研究和开发过程中，为了避免一系列问题的出现，必须保证识别技术有较高的准确率，并且需要模型有较高的稳定性。较目前技术来看，大多数技术无法完成较高的识别准确率，并且不稳定，鲁棒性差；有些技术虽然可以达到较高的准确率，却需要一些复杂的预处理操作，比如对手写数字图片进行扭曲变形操作来扩充训练集、模拟各种抖动操作来对图像进行预处理操作等等，这样虽然可以实现较高的准确率，却降低了实用性，而且不能满足稳定性。

发明内容

本发明针对现实中对手写数字识别系统准确率的极高要求，提出一种基于卷积神经网络和支持向量机的手写数字识别方法，包括如下步骤：

(1):扩充手写数字图片训练集，原始的手写数字图片包括两部分，一部分标记为测试集，一部分标记为训练集，将训练集中手写数字图片进行平移扩充处理，增加训练集中图片的数量；训练集的平移扩充处理指通过批处理操作，将训练集中每张图片分别进行上下左右平移操作，平移大小均为一个像素。