考虑到
DSP芯片的程存空间及识别速度,本系统采用的是传统的手写体数字识别算法——BP网络算法,对单个字符进行识别。本文用了三层BP实现手写体数字的高效率识别。输入层来自数字的离散余弦特征,输出层有10个单元,分别代表0～9这十个数字。在学习过程中,为了提高学习速率,对学习步长η进行了不断的自适应调节。
6 试验结果及经验总结 经过在测试集上测试,当拒识率为3.10%时,硬件识别系统的识别率达到94.52%,可靠性为97.54% ;当拒识率为2.95%时,硬件识别系统识别率达到了94.79%,可靠性为97.68%。可见此系统具有较好的性能。在试验过程中,总结出以下几点经验:
(1)在设计时最好了解
CPLD的内部结构,这对逻辑
设计和实现有很大帮助。
(2)使用的I/O超过80%或者资源利用率超过80%时,布线的布通率将不能保证。
(3)算法尽可能简单,以提高
图像处理的速度。
本系统将图像输入、识别集成到一个系统中,很好地实现了图像的快速采集、存储及数据处理功能,具有一定的实用价值。对于高分辨率要求的图像采集识别系统来说,本方法依然适用。在硬件方面,如果用TMS320VC6201代替TMS320VC5402,效果将更佳。在识别方法上,如果将本文的识别方法作为多级分类器的一类,和其它一些基于统计的方法,如外围轮廓法、数学变换法等结合在一起,应该能够取得更好的识别效果。
参考文献 1王庆有.
CCD应用技术[M].天津:天津大学出版社,2000
2 TCD1208AP. TOSHIBA Corp., 1997
3 TMS320VC5402 Fixed-point Digital Signal Processor. Texas Instruments,1998
4 朱 江,宣国荣. 一种基于骨架特征顺序编码的脱机手写体数字识别方法[J].小型微型计算机系
统,2001;22(8)
5 李 彩,刘 勇,王 安. MAX7000S在线阵CCD数据采集卡中的应用[J].量子电子学报,2003;20(1)