基于深度学习的异噪声下手写汉字识别的研究

• 作者: 任晓文 李健宇 王涛 赵祥宁 郭一娜
• 来源期刊: 计算机应用研究
• 关键词: 深度学习 噪声移除 卷积神经网络 算法环境 手写汉字识别
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3878-3881
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.06.0579

摘要

针对手写汉字字符图像识别率受随机噪声影响的问题,提出了一种基于深度学习与抑制噪声相结合的新算法.该算法主要应用于拥有随机噪声的手写汉字字符图片,是其在Python环境下,利用Caffe平台建立抑制噪声与卷积神经网络相结合的模型,通过模型移除噪声并正确识别手写汉字.另外,新算法去除噪声的同时对字符形态没有改变,保留了汉字的原始信息.结果 在其两种不同的噪声(高斯噪声和椒盐噪声)下,逐渐提升其噪声强度,进行多次实验,同时与其他方法对比,最终得到其平均识别率为97.05％.实验结果表明,该模型和算法具有效率快、识别能力强的优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王涛	太原科技大学电子与信息工程学院	8	16	2.0	4.0
2	郭一娜	太原科技大学电子与信息工程学院	22	55	4.0	7.0
3	任晓文	太原科技大学电子与信息工程学院	5	2	1.0	1.0
4	李健宇	太原科技大学电子与信息工程学院	5	2	1.0	1.0
5	赵祥宁	太原科技大学电子与信息工程学院	2	1	1.0	1.0