陈 奋,郑子伟

(厦门城市职业学院 电子与信息工程系，福建 厦门 361008)

手写体数字笔画特征提取改进方案*

陈 奋,郑子伟

(厦门城市职业学院 电子与信息工程系，福建 厦门 361008)

手写数字识别是一个很有潜力和挑战的研究方向，对于相关行业有着实质性的影响，其中手写体数字特征的提取是识别中至关重要的一步.该文分析了传统的特征提取方法的不足，提出了手写体数字笔画特征提取改进方案，并利用VC++编程工具建立识别系统做实验分析，与传统的特征提取方法进行了比较，提高了手写数字识别率，在实验中取得了较好的效果.

特征提取；手写数字识别；改进方案

1 概述

手写数字识别作为计算机模式识别领域的热点研究方向一直被科研人员关注着，虽然手写数字个数少，貌似很容易识别，但事实并非如此，经过测试总结得出，手写数字的正确识别率并不高，比联机手写汉字的识别率还要低.

目前手写体数字识别主要的应用领域[1]：①在海量数据统计中的应用，如人口普查、行业年检等；②在财务、税务、金融领域应用，如自动处理大量的税务、财务、支票等；③在快递邮件分拣中的应用.因此，提高手写数字识别率就显得尤为重要，能够大大减轻工作量.

在模式识别领域中，特征提取是一个重要环节，手写体数字识别也不例外.特征提取是影响识别效果的一个关键步骤，本文通过分析与总结前人的成果提出一种适应性较好、识别率较高的特……