基于深度学习的异噪声下手写汉字识别的研究

来源：计算机应用研究杂志2019年第12期北京时间：

作者：任晓文,王涛,李健宇,赵祥宁,郭一娜,

单位：太原科技大学电子与信息工程学院,太原030024；

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。

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,

基金资助：国家自然科学基金资助项目(61301250)；山西省互联网＋3D打印协同创新中心及山西省科技创新团队(201705D131025)；山西省高等学校优秀青年学术带头人支持计划资肋项目(晋教科［2015］3号)；山西省高校“131”领军人才工程“优秀中青年拔尖创新人才”资助项目；；