肖术明，王绍举*，常 琳，冯汝鹏

（1. 中国科学院 长春光学精密机械与物理研究所，吉林 长春 130033；2. 中国科学院大学，北京 100039；3. 中国科学院 天基动态快速光学成像技术重点实验室，吉林 长春 130033）

1 引 言

随着计算机技术的不断发展，图像分类算法取得了长足进步，并对人们的生活和社会的发展产生重要的影响。人机交互［1］、天文数据处理［2］、农产品成像［3］以及航空图像处理［4］等领域都离不开图像分类，因此图像分类算法有着重要的研究意义。手写数字图像分类算法指利用计算机图像处理技术将手写数字图像判定为0～9 共10 个类别的过程，该算法在财会、教育和金融等众多领域具有广泛的应用背景和使用价值。

基于神经网络模型的图像分类算法获得了很好的效果，使图像分类算法有了突破性的进展。对于手写数字图像分类问题也涌现了大量的相关研究工作：Hinton 通过构造深层网络模型来学习有效特征的方法，完成了对手写数字集的识别，识别效果优于支持向量机（Support Vector Machine，SVM）。Lee 提出了卷积深度置信网络，此网络能高效的学习和提取自然数字图像的特征。德国的Friedhelm Schweriker 采用SVRBF40 对手写体数字进行识别，测试样本10000个，识别正确率为95.56%［5］。上海交通大学的团队采用压缩子结构特征的方式，用BP 神经网络分类，最终识别率为96.1%，误识率为1.04%。中科院自动化研究所的团队使用有限状态自动机方式对手写数字分类，识别率为95.2%。清华大学的团队利用SVM 技术对邮政纸单上的手写数字做了识别工作，识别率为92%［6］。……