(完整版)手写阿拉伯数字识别开题报告.docx

1、题目类型（打选择）设计（ ）论文（）一、文献综述手写阿拉伯数字的识别一直是近年来模式识别及图像处理领域的研究热点，是字符识别的一个分支,问题虽然简单,但却有较大的实用价值。广泛应用于财务，税务，邮政， 科研，以及大规模数字统计工作之中。例如：目前中国在信函通信时广泛使用了邮政编码, 用手写体数字识别技术进行信函的自动分拣对减轻邮电职工的手工分拣工作有很大意义。随着我国经济的发展，手写数字识别在经济领域也将发挥更多的积极作用。作为光学字符识别的研究方向之一，近年来，研究者们分别开发出基于结构特征的研究方法，基于统计特征的研究方法等诸多方法，取得了不少令人满意的成果。例如组合结构特征的自由手写体数

2、字识别算法5，基于骨架结构特征的手写数字识别方法等3。研究基于统计特征的方法主要有模版匹配法，像素点统计分析法，全局变化及级数展开法等。有学者提出了基于手写数字图像的空间、旋转、层次和结构特性的特征提取方法4。对于手写数字的识别，研究者们分别提出不同的识别工具，其中支持向量机，隐马尔可夫模型，以及人工神经网络等模型均成为研究热点。支持向量机的方法具有较好的性能及识别率，也具有较高的识别精度，正成为机器学习领域中一种新型的热门研究方法。SVM 学习得到的优化结果是全局最优解，SVM 的学习结果为支持向量集，充分体现了整个样本集的属性。隐马尔可夫模型是一种基于马尔科夫随机过程的统计模型，其善于处理

3、随机信号，在语音识别领域的应用性较广。 HMM 模型通常有 3 种类型:离散隐马尔可夫模型(DHMM),连续隐马尔可夫模型(CHMM)和半连续隐马尔可夫模型(SCHMM)。 DHMM 需要进行矢量量化(VQ),VQ 会带来一定的误差,而且 VQ 与 HMM 的训练是分离的,因而其性能不如其他两个模型,但运算量少,计算简单1。人工神经网络采用的是人体大脑中的学习反馈思想，有较高的运行效率，实现方式也相对简单。误差反向传播神经网络，简称 BP 神经网络，是一种朝着满足给定输入输出关系方向进行自组织的网络，是应用最为广泛的一种神经网络。用 BP 网络来识别手写体数字是手写体数字识别的一大进步，将BP

4、 网络技术和数字本身的结构特征结合起来，提出了一种基于结构特征分类 BP 网络的手写体数字识别新方法。首先提取点、环等数字特征值，并根据一些特征进行分类；然后再运用 BP 神经网络识别，以提高网络的识别能力2。BP 神经网络具有以下优点:（1)BP 神经网络实质上实现了一个从输入到输出的映射功能，数学理论证明三层的神经网络就能够以任意精度逼近任何非线性连续函数。这使得其特别适合于求解内部机制复杂的问题，即 BP 神经网络具有较强的非线性映射能力。（2)BP 神经网络在训练时，能够通过学习自动提取输出、输出数据间的“合理规则”，并自适应的将学习内容记忆于网络的权值中，具有高度自学习和自适应的能力

5、。（3)BP 神经网络具有将学习成果应用于新知识的能力。(4)BP 神经网络在受到局部损伤时还是可以正常工作的，具有一定的容错能力。基于上述优点拟采用 BP 神经网络算法实现手写数字的识别。二、设计（论文）主要内容主要利用 Matlab7.1 通过建立 BP 神经网络的方法实现手写阿拉伯数字的分类识别。主要的阶段有图像预处理，图像特征分析，识别阶段。预处理阶段是将原始的图像转换成识别器所能接受的二进制，影响着识别的效率。特征提取阶段是将数字字符形状转换成一组特征值的过程，其好坏决定着最终的识别效果。识别阶段是利用提取的特征对待识别的数字字符进行识别处理。最后利用Matlab 建立简洁的界面模型

6、GUI 调试并联系各部分成完整系统实现手写阿拉伯数字的识别功能。三、设计（研究）方案采集原始图像后，图像预处理阶段通过滤波去噪，通过灰度化，二值化，字符切分， 图像校正，归一化处理的步骤进行处理。图像特征值提取阶段针对数字字符的端点，三度点，四度点，折点的个数和位置，横向切割交点序列，纵向切割交点序列等特征值，通过沿着轮廓点扫描的方法来实现。在识别阶段利用构建 BP 人工神经网络来实现对已经过特征提取的数字结构模型进行识别，在保证精度与效率的情况下完成整个系统的构建。具体步骤如下所示：原始图像采集图像预处理特征分析分类识别识别结果四、工作进度安排1.文献检索及开题报告第 1 周2.完成图像预处

7、理第 23 周3.图像特征分析工作第 4 周4.分类识别阶段建立BP 神经网络第 56 周5.判别阶段确定结果是否正确第 78 周6.使用matlab7.1 建立GUI第 9 周7.毕业实习第 10 周8.系统各部分程序调试第 11 周9.毕业论文的撰写及修改第 1214 周15.毕业答辩第 15 周五、主要参考文献1 刘刚, 张洪刚, 郭军用于脱机手写数字识别的隐马尔可夫模型J计算机研究与发展2003年 第 8 期2 耿西伟, 张猛, 沈建京基于结构特征分类BP 网络的手写数字识别J. 计算机技术与发展2007 年 第 1 期3 于振华, 冯运亮, 罗珍茜基于骨架结构特征的手写数字识别方法J微计算机信息2010 年 16 期4 双小川, 张克基于统计和结构特征的手写数字识别研究J计算机工程与设计2012(4)5 陈军胜组合结构特征的自由手写体数字识别算法研究J计算机工程与应用2013 年第49 卷六、指导教师意见签字：七、系毕业设计（ 论文）工作领导小组意见年月日签字：年月日说明：文献综述栏目字数本科生不少于1000 字，专科生不少于 500 字