李怡轩

(渭南师范学院，渭南 714000)

0 引言

手写数字在人口普查、金融票据、邮件分拣等领域有着极其广泛地应用[1-2]，手写数字识别是当前图像处理和模式识别领域的一个重要研究分支，由于手写数字的随意性大，其识别准确率易受字体大小、笔画粗细和倾斜角度等因素的影响，因此进行手写数字识别方法和系统的设计具有重要的理论价值和实际意义。本文将机器学习方法应用于手写数字系统识别设计，开发出一个小型的基于机器学习的手写数字识别系统。

1 系统框架

基于机器学习的手写数字识别主要包括图像预处理模块、特征提取模块、分类器设计模块以及数字识别模块。图像预处理主要包括图像降噪、二值化；特征提取主要根据手写数字图像的自身结构特征，计算指定方向直线的交叉点、端点作为数字识别的特征向量；分类器设计最主要采用类中心的欧式距离分类器[3]、马氏距离分类器[4]和贝叶斯分类器[5]。手写数字识别系统框架，如图1所示。

2 识别流程

基于机器学习的手写数字识别的流程如下：

图1 手写数字识别系统框架

(1)读取手写数字图像，并将其归一化和统一尺寸为24×24图像块；

(2)图像降噪、二值化和细化操作；

(3)数字图像特征提取；

(4)载入模板数据矩阵，进行数字识别。

识别流程，如图2所示。

3 特征提取

3.1 垂直交点

预处理二值化和细化的手写数字图像，在行宽的5/12、1/2和7/12处生成三条垂直线[6]，提取三条垂直线和手写数字笔划的交点数并保存。……