基于SVM的手写字体识别

1.案例背景
(1)手写体数字的识别在社会经济中的许多方面都有着广泛的应用，其识别方法也有许多种，如神经网络，Bayes判别法等。由于手写体人为因素随意性大，手写字体识别的难度远高于印刷体的识别。
(2)本次项目所用训练样本为300张256x256像素点的0~9的手写数字图片，每个数字均30 张。
(3)数据集获取：gethub下载
2.准备工作
(1)下载安装matlab2019b
(2)下载安装并配置LIBSVM工具箱
(3)下载安装并配置LIBSVM-FarutoUitimate工具箱
3.图片预处理
(1)约256x256x300，两千万个数据进行神经网络分析是不理想的。
(2)由于图片中数字的大小和位置不尽相同，为了消除这些影响，首先对每幅图做标准化预处理：将每张图片做反色处理，并转化为二值图像，0为白色像素点，1为黑色像素点。然后截取二值图像中包含数字的最大区域，最后将图像转化为16x16像素的图像此时数字像素点灰度值为1，背景像素点灰度值为0。
(3)二值化结果展示

(4)对图像进行标准化处理的子函数pic_preprocess代码：

%% sub function of pre-processing pic
function pic_preprocess = pic_preprocess(pic)
% 图片预处理子函数
%图像反色处理
pic = 255-pic;
%设定阈值，将反色图像转成二值图像
pic = im2bw(pic,0.4) ;
%查找数字上所有像素点的行标y和列标x
[y,x] = find(pic == 1);
%截取包含完整数字的最小区域
pic_preprocess = pic (min(y):max(y),min(x):max(x));
%将截取的包含完整数字的最小区域图像转成16*16的标准化图像
pic_preprocess = imresize(pic_preprocess, [16, 16]);

（5）利用上述函数可以对样本图片进行批量预处理，实现过程和代码如下：

%% A Little Clean Work
close all;
clear all;
clc;
format compact;%%载入训练数据
%利用uigetfile函数交互式选取训练样本  ...是换行再度
[FileName,PathName,FilterIndex]=uigetfile(...{'*.png';'*bpm'},'请导入训练图片','*.png','MultiSelect','on');
if ~FilterIndex %如果用户取消，则返回上一步return;
end
num_train=length(FileName);%filename是一个字符串数组
TrainData=zeros(num_train,16*16);
TrainLabel=zeros(num_train,1);
for k=1:num_trainpic=imread([PathName,FileName{k}]);%逐个读图pic=pic_preprocess(pic); %将一幅图转为16*16个二进制数TrainData(k,:)=double(pic(:)');%单引号是将pic转一维数组，存放在TrainData的第K行TrainLabel(k)=str2double(FileName{k}(6));%文件名中第4个字符是该图片的数字
end

①运行上述代码之后，TrainData是300256的属性矩阵，每一行代表一张图片。TrainLabel是3001的样本标签
1)TrainData

2)TrainLable

4.建立支持向量机
(1)采用RBF核函数并利用遗传算法（GA）进行参数寻优：

%设置GA相关参数
ga_option.maxgen=100;
ga_option.sizepop=20;
ga_option.cbound=[0,100];
ga_option.gbound=[0,100];
ga_option.v=10;
ga_option.ggap=0.9;
[bestCVaccuracy,bestc,bestg]=gaSVMcgForClass(TrainLabel,TrainData,ga_option)  %不加冒号直接运行

(2)运行结果：

得到当最佳参数为（16.4093,6.7426）时，建立的支持向量机在训练集上的识别率是100%。
关于gaSVMcgForClass函数来自LIBSVM-FarutoUltimato工具箱。详细介绍见

https://blog.csdn.net/Einperson/article/details/106770060

5.对测试样本进行识别
(1)利用建立的支持向量机可以对测试样本中的30个手写体数字进行识别，由于训练样本进行过预处理，测试样本也需要进行同样的数据预处理。

%训练
cmd=['-c',num2str(bestc),'-g',num2str(bestg)];
model=svmtrain(TrainLabel,TrainData,cmd);
%查看识别能力
% model=svmtrain(TrainLabel,TrainData);
preTrainLabel=svmPredict(TrainLabel,TrainData,model);
%%载入测试样本
[FileName,PathName,FilterIndex]=uigetfile(...{'*.png';'*bpm'},'请导入测试图片','*.bmp','MultiSelect','on');
if ~FilterIndex %如果用户取消，则返回上一步return;
end
num_train=length(FileName);%filename是一个字符串数组
TrainData=zeros(num_train,16*16);
TrainLabel=zeros(num_train,1);
for k=1:num_trainpic=imread([PathName,FileName{k}]);%逐个读图pic=pic_preprocess(pic); %将一幅图转为16*16个二进制数TrainData(k,:)=double(pic(:)');%单引号是将pic转一维数组，存放在TrainData的第K行TrainLabel(k)=str2double((FileName{k}(6))-1);%文件名中第4个字符是该图片的数字
end
%%对测试样本进行分类
preTestLabel=svmpredict(TestLabel,TestData,Model);
TestLabel'
PreTestLabel'

(2)运行结果

可以看到测试样本上的识别率为93.3333%（28/30），也就是有两个数字识别错误，1->7,9->7。

基于SVM的手写字体识别相关推荐

《MATLAB 神经网络43个案例分析》：第19章基于SVM的手写字体识别
<MATLAB 神经网络43个案例分析>:第19章基于SVM的手写字体识别 1. 前言 2. MATLAB 仿真示例 3. 小结 1. 前言 <MATLAB 神经网络43个案例分析 ...
matlab基于SVM的手写字体识别,机器学习SVM--基于手写字体识别
每一行代表一个手写字体图像,最大值为16,大小64,然后最后一列为该图片的标签值. import numpy as np from sklearn import svm import matplotl ...
计算机视觉ch8 基于LeNet的手写字体识别
文章目录原理 LeNet的简单介绍 Minist数据集的特点 Python代码实现原理卷积神经网络参考:https://www.cnblogs.com/chensheng-zhou/p/6380 ...
基于kNN的手写字体识别——《机器学习实战》笔记
看完一节<机器学习实战>,算是踏入ML的大门了吧!这里就详细讲一下一个demo:使用kNN算法实现手写字体的简单识别 kNN 先简单介绍一下kNN,就是所谓的K-近邻算法: [作用原理]: ...
AI基础：KNN与K近邻距离度量说明、利用KNN手写字体识别分类实践
KNN k近邻文章目录 KNN算法 K近邻中近邻的距离度量欧式距离标准化欧式距离曼哈顿距离汉明距离夹角余弦杰卡德相似系数皮尔逊系数切比雪夫距离闵可夫斯基距离马氏距离巴氏距离各 ...
基于Python神经网络的手写字体识别
本文将分享实现手写字体识别的神经网络实现,代码中有详细注释以及我自己的一些体会,希望能帮助到大家 (≧∇≦)/ ############################################ ...
第六讲 Keras实现手写字体识别分类
一本节课程介绍 1.1 知识点 1.图像识别分类相关介绍: 2.Mnist手写数据集介绍: 3.标准化数据预处理: 4.实验手写字体识别二课程内容 2.1 图像识别分类基本介绍计算机的图像识别 ...
手写字体识别 --MNIST数据集
Matlab 手写字体识别忙过这段时间后,对于上次读取的Matlab内部数据实现的识别,我回味了一番,觉得那个实在太小.所以打算把数据换成[MNIST数据集][1]. 基础思想还是相同的,使用Tre ...
深度学习，实现手写字体识别（大数据人工智能公司）
手写字体识别是指给定一系列的手写字体图片以及对应的标签,构建模型进行学习,目标是对于一张新的手写字体图片能够自动识别出对应的文字或数字.通过深度学习构建普通神经网络和卷积神经网络,处理手写字体数据.通 ...
OCR字符识别，支持手写字体识别，中英文识别
OCR字符识别,支持手写字体识别,中英文识别,基于深度学习,轻量级网络,检测进度高,支持python开发编号:4199652712767280盐市口会玩的川乌

基于SVM的手写字体识别

基于SVM的手写字体识别

基于SVM的手写字体识别相关推荐

最新文章

热门文章