基于图像滤波预处理的卷积神经网络汉字识别

利用卷积神经网络可以对破损、模糊不清的文字进行有效识别。为了实现速度快、精度高等优点,通过卷积神经网络中的LeNet-5网络模型对手写汉字图像进行识别。首先,在模拟写字板中建立手写汉字的图像数据集,搭建并训练卷积神经网络模型保存图像特征;然后对输入的手写汉字图像进行模拟污染并采用7种滤波去噪方式;最后对加噪、滤波处理后的图像进行识别,对比不同滤波处理的准确性。实验结果可表明,该方法能高效、稳定地从有噪声图像中识别出文字,同时经高斯滤波与PCA滤波处理后的图像识别精确度更高。