基于PCA-LDA和RIC-CNN的旋转无关手写识别

来源：计算机技术与发展杂志2025年第04期北京时间：

作者：张墨逸;袁小芳;张彬;陈海燕

摘要：旋转无关手写字符识别对提高手写识别系统的实际应用准确性和鲁棒性至关重要。 针对旋转字符识别准确率低、旋转不变坐标卷积神经网络(RIC-CNN)模型耗时长的问题,提出一种新的旋转无关手写字符识别方法。 首先,在原 RIC-CNN 模型中引入非分离旋转矩不变量方法,并创建特征提取层,提取旋转不变数据特征,解决数据提取不充分的问题。 接着,应用基于正交投影的 PCA-LDA 算法,该算法通过引入随机矩阵对特征进行正交投影,并将主成分分析(PCA)和线性判别分析(LDA)进行结合构建协方差矩阵和散射矩阵,从特征中筛选出有效的旋转不变特征,提高识别精度。 最后,采用全连接神经网络(FCNN)对提取的特征进行分类识别。 实验在空中手写数据集、MNIST 数据集、中科院数据集与哈工大数据集上进行了验证。 结果表明,该方法显著提升了旋转手写字符的识别精度,其中数字旋转数据的准确率达到了 97. 72% 。 以 MNIST 数据集为例,该方法识别字符的时间仅为 14. 16 秒,相比单独使用 RIC-CNN 模型,时间成本减少了 19. 66 秒,充分证明了该方法的有效性。

关键词：手写字符识别;非分离旋转矩不变量;旋转不变坐标卷积神经网络;正交投影;主成分分析;线性判别分析;全连接神经网络