2025【基于深度审计网络的手写汉字识别系统设计与测试研究16000字】.docx

基于深度审计网络的手写汉字识别系统设计与测试研究

目录

TOC\o1-2\h\u258831绪论 1

55471.1选题背景与意义 1

304051.2国内外研究现状 3

16672手写汉字识别系统设计 7

235112.1设计目标 7

136022.2开发语言选择 8

103912.3系统结构 10

283302.4软硬件环境 12

81403手写汉字识别系统构建 13

51873.1数据集处理 13

106153.2卷积神经网络搭建 14

131833.3训练函数 16

51663.4图形界面 18

88924手写汉字识别系统测试 19

77894.1测试环境 19

188764.2测试结果 20

285074.3分析比对 21

163285总结和展望 24

8919参考文献 26

1绪论

1.1选题背景与意义

有关手写体汉字识别技术在世界范围内的诞生,经过了大概有三个时期，理论探索期、快速发展期、深入发展期。印刷体汉字的识别技术可谓手写体汉字识别技术的前身[1]。在第一个阶段，在上个世纪，当计算机踏入历史舞台，对于计算机的研究就从未停下脚步。印刷体英文的识别在日常生活中都是不可或缺的，而随之衍生的就是手写体英文的识别。随着中国在世界舞台大展宏图，汉字的影响力也越发强大，一些西方计算机公司，中国国内学者，中国知名高校都开始着手对汉字印刷体的计算机识别工作。而最先发表有关于汉字印刷体识别的文章的是CaseyR与NagyG，他们于1966年率先正式发表有关于印刷体汉字识别的相关理论知识及困难，并且顺利识别出了近一千个印刷体汉字，为汉字识别奠定了理论基础，掀起了全球业内人士对汉字识别的热潮。而在第二个阶段，中国发布了GB2312-80国家标准字符库，极大的推动了汉字识别技术的发展。随着印刷体汉字识别技术进一步的完善，全世界都有着对印刷体汉字有较高识别率的软件，与此同时，有关于手写汉字识别的研究悄然兴起，日本首先对手写体汉字识别进行研究。而在上个世纪八十年代，国内高校以及研究所开始了对手写汉字的研究。在最后一个时期，以深度学习为核心的脱机手写汉字识别技术有了长足的进步。

我们的母语是汉语，汉字也是中国民族的瑰宝，汉字的广泛使用使得计算机对于不同风格的手写汉字识别非常有必要，我们国家对于汉字的分类、构造、内涵、造字原理等都有着丰富的人文研究基础，结合人文知识和科技水平，关于手写汉字识别的深入钻研在国内一定可以很好地进行，领先世界一步。除此之外，对于手写汉字的识别和处理，能极大地提高我国计算机科学技术的普及率，当下是个信息化时代，利用计算机提高工作效率已经是国家发展，提高民生水平必不可少的课题。如何根据已有的大量印刷或者手写材料，方便快捷地输入到计算机已经成为必不可少的课题，这就使得手写汉字识别在商业合同文本纠纷，办公系统自动化，邮政系统扫描，银行票据处理等方面具有极大的开发潜力。

1.2国内外研究现状

1.2.1汉字识别系统概述

二十一世纪初，已经研发出识别率较高的联机手写汉字识别系统，它能够保存书写的笔顺信息，获取时间空间顺序从而实现，但是脱机手写汉字识别的发展遭遇瓶颈，当时世界上并没有足够完善的脱机手写汉字识别方法。随着深度学习的兴起，计算机计算能力的增长，依托于图像识别技术的进步，在2012年，瑞士人工智能实验室描述了具备“端-端”特点的多列卷积神经网络模型(MCDNN)。在多列卷积神经网络中，利用GPU训练深度神经网络的模型，同时平均集成卷积神经网络的输出；将所得到的手写汉字样本转换成图像类别，并通过已搭建的模型训练。在训练的过程中，不采用进一步地特征选择、提取，所得到的最终结果便是卷积神经网络希望得到的识别结果[2]。在脱机和联机手写汉字识别方面，多列卷积神经网络模型能够很好地胜任模式识别工作，当时的识别技术都位居当时世界识别水平的前列，为手写汉字识别问题提供了更加完善的解决方案。尽管以多列卷积神经网络模型为代表的卷积神经网络模型简便且具备比较优秀的识别能力，但缺点也是较为明显的，端到端的识别方法不能全面的利用手写文字的已有研究成果，例如联机手写汉字中的笔顺信息、汉字方位转换特点等，这些手写汉字的特征是利用本卷积神经网络无法进一步学习来实现的。

近年来，伴随着卷积神经网络（Convolutionalneuralnetworks，CNN）的模型理论不断完善，对于它的研究方向也朝着多方面发展。对运行速度和存储容量的优化是非常重要的一个方面，因此涌现了许许多多优化升级CNN模型的方法。中国科学家设计出一种9层CNN，该