1、毕业设计（论文）任务书题目：基于神经网络的数字识别系统的设计系 名 信息工程系 专 业 自动化 年 级 2009 级 学生姓名 许凯钥 学 号 6009206039 指导教师 扈书亮 职 称 讲 师 2012 年 12 月 15 日一、原始依据（包括设计或论文的工作基础、研究条件、应用环境、工作目的等。 ）工作基础：了解 C+的基本概念和语法，熟练使用 Visual C+软件。研究条件：依据 BP 神经网络的基本原理完成算法实现。应用环境：基于 BP 神经网络的图像文件中的数字识别。工作目的：熟练掌握 Visual C+应用程序的开发。了解人工智能的基本概念以及神经网络的基本原理。熟练掌握 V
2、isual C+中的图片处理的基本方法。二、参考文献1人工智能原理及其应用，王万森，电子工业出版社，2007.2 VC+深入详解，孙鑫 ，电子工业出版社，2006.3人工神经网络原理, 马锐，机械工业出版社，2010.4 Visual C+数字图像处理典型案例详解，沈晶，机械工业出版社，2012.5Application of Image Processing to the Characterization of Nanostructures，Manuel F. M. Costa， Reviews on Advanced Materials Science,2004.三、设计（研究）内容和要求
3、（包括设计或研究内容、主要指标与技术参数，并根据课题性质对学生提出具体要求。 ）1、掌握 C+的基本概念和语法。2、了解神经网络的基本原理。3、完成 Visual C+中对于图像的预处理。4、完成基于样本的神经网络的训练以及图像中文字的识别，并对其性能进行统计和总结。指导教师（签字）年 月 日审题小组组长（签字）年 月 日天津大学仁爱学院本科生毕业设计（论文）开题报告课题名称 基于神经网络的数字识别系统的设计系 名 称 信息工程系 专业名称 自动化学生姓名 许凯钥 指导教师 扈书亮一、课题来源及意义多层感知器神经网络 BP(Back Propagation)网络是 1986 年由 Rumelh
4、art 和McClelland 为首的科学家提出 ,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一。BP 网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法,通过反向传播不断调整网络的权值和阈值,使网络的误差平方和最小。由于人工神经网络等新技术的引进，从上世纪 70 年代以来，光学字符识别技术逐渐走向成熟。进入九十年代以来，人工神经网络技术发展十分迅速，它具有模拟人类部分形象思维的能力，是一种模仿人脑学习、记忆、推理等认知功能的新方法。特别是它的信息并行分布式处理能力和自学习功能等显著优点，更是激起
5、了人们对它的极大的兴趣。为模式识别开辟了新的途径，成了模拟人工智能的一种重要方法。近年来,字符识别技术在维持国民经济迅速发展的多个领域中占据着非常重要的地位。目前，小规模光学字符识别系统应用广泛，有着巨大地商业前景，如邮政编码识别、汽车招牌识别、产品编码识别等。因此，对于研究基于神经网络的文字识别系统有重要的意义。二、研究目标1.熟练掌握 Visual C+应用程序的开发2.了解人工智能的基本概念以及神经网络的基本原理。3.熟练掌握 Visual C+中的图片处理的基本方法。三、研究内容系统识别框架图基于 BP 网络的文字识别系统分为两个阶段，学习阶段与识别阶段。两个阶段都要对样本字母进行预处
6、理、特征提取，学习阶段还要进行确定稳定的权值，识别阶段还要经过分类在输出识别结果。数字图像在采集过程中，受到像素质量、扫描性能的影响，数字图像会带有形变和噪声，这些变化都会影响识别效果。因此要进行预处理，目的是消除原始图像中的噪声，将原来的图像转化为清晰地二值化图像，便于微观结构特征的提取。预处理过程包括去噪、二值化、归一化和细化。特征提取是使用计算机提取图像信息，来决定每个图像的点是否属于一个图像特征。在字符识别当中，特征的选择是一个关键的问题。字符的特征可以分为两大特征：结构特征和统计特征。特征提取的原则是所选用的特征能够很好地反映字符本身的特点。 训练模式是用样本字符进行识别，将识别效果
7、与样本进行比对，判断是否存在误差。多次训练，直至误差满足在一定范围内即可。学习阶段完成进入识别阶段，识别阶段同样进行预处理与特征提取两个环节，与学习阶段不同的是它还要进行分类才能输出结果。四、研究方法与手段完成 Visual C+中对于图像的预处理及基于样本的神经网络的训练以及图像中文字的识别，并对其性能进行统计和总结。对于图像的预处理、基于样本的神经网络的训练以及图像中文字的识别通过 Visual C+软件编程实现。特征提取是使用计算机提取图像信息，来决定每个图像的点是否属于一个图像特征。在字符识别当中，特征的选择是一个关键的问题。字符的特征可以分为两大特征：结构特征和统计特征。特征提取的原
8、则是所选用的特征能够很好地反映字符本身的特点。 样本字符 特征提取预处理 训练模式输出结果分类特征提取预处理待识别字符学习阶段识别阶段五、进度安排1、2012.12.102013.03.05 查找资料，通过书籍和视频学习C+ 的基本概念和语法，初步练习使用Visual C+软件。了解 BP 神经网络的基本原理及人工智能的基本概念。完成开题报告。2、2013.03.062013.03.29 掌握 Visual C+中的图片处理的基本 方法。3、2013.03.302013.04.20 编写程序，完成 Visual C+中对于图像的预处理。4、2013.04.212013.05.25 完成基于样本
9、的神经网络的训练以及 图像中文字的识别，并对其性能进行 统计和总结。5、2013.05.262013.06.10 撰写论文，准备答辩。六、主要参考文献1 王万森. 人工智能原理及其应用M. 电子工业出版社 , 2007.2 孙鑫. VC+深入详解M. 电子工业出版社, 2006.3 马锐. 人工神经网络原理M. 机械工业出版社, 2010.4 沈晶. Visual C+数字图像处理典型案例详解M. 机械工业出版社, 2012.5 曾志军, 孙国强. 基于改进的 BP 网络数字字符识别J.上课理工大学学报, 2008, 32(1)51-53. .6 周鸣争. 人工神经网络在自动控制系统中的应用J
10、. 安徽机电学院学报 , 2000,02(5)71-75.7 张世辉, 孔令富. 汉字识别及现状分析J. 燕山大学学报 , 2003,04(3)80-85.8 李连胜. 基于神经网络的手写数字识别技术研究D. 中南大学, 2008.9 赵蓉. 基于神经网络的联机手写识别系统研究与实现D. 西安电子科技大学, 2011.10 赵辉, 叶子青. Visual C+系统开发实例精粹M. 人民邮电出版社.11 黄襄念, 程萍著. 文字识别原理与策略M. 第一版. 西南交通大学出版社, 2002.12 韩力群. 人工神经网络理论、设计及应用M. 第二版 . 化学工业出版社, 2007.13 韩力群. 人
11、工神经网络教程M. 北京邮电大学出版社 , 2006.14Application of Image Processing to the Characterization of Nanostructures，Manuel F. M. Costa，Reviews on Advanced Materials Science.15 Bartlett P L. Ada Boost is Consistent M. Department of statics and computer science of California.选题是否合适： 是 否课题能否实现： 能 不能指导教师（签字）年 月 日选题是
12、否合适： 是 否课题能否实现： 能 不能审题小组组长（签字）年 月 日毕业设计（论文）说明书题目：基于神经网络的数字识别系统的设计系 名 信息工程系 专 业 自动化 年 级 2009 级 姓 名 许凯钥 指导教师 扈书亮 2013 年 6 月 6 日摘 要目前，小规模光学字符识别系统应用广泛，有着巨大的应用前景，如邮政编码识别、汽车招牌识别、产品编码识别等。本课题综合分析了国内外文字识别技术的发展现状，利用 BP 神经网络设计并实现一种高效可靠的字符识别系统。本设计主要完成了如何利用 BP 神经网络去识别图片上的字符。在识别之前要对图像进行一系列的预处理，主要包含灰度化、二值化、锐化、噪声去除
13、、字符分割、字符归一化、字符骨架提取等。经过预处理的图片适合后续的训练及识别。预处理后对图片上的字符进行特征提取，特征提取的方法很多，这里选择效果较好的十三特征提取法来进行特征提取。最后采用 BP 神经网络来对待检测的图片上的数字进行识别。关键词：字符识别;BP 网络;人工神经网络;预处理;特征提取ABSTRACTCurrently, small-scale optical character recognition system is widely used, and it has great prospects in application, such as zip code recogn
14、ition, auto signature identification, product code recognition, and so on. This papper analyzes the development status of recognition technology at home and abroad comprehensively, by using BP neural network can we design and implement an efficient and reliable character recognition system.This desi
15、gn can realize the recognition of characters on the picture by using BP neural network. Before identification, there are a series of image pretreatment which are graying, binarization, sharpening, noise removal, character segmentation, character normalization and character skeleton extraction. Image
16、s which are pretreated will be more suitable for the later training and recognition. After pretreatment, feature extraction is performed. There are a lot of ways of feature extraction, the extraction method of thirteen features which has better evaluation was chosen here. Finally, it uses BP neural
17、network to identify the numbers on the pictures which are to be tested. Keywords: Character Recognition; Pretreatment; BP Neural Network; Artificial Neural Network；Feature Extraction目 录第一章 绪论 .11.1 文字识别的简介 .11.2 文字识别方法及研究现状 .11.3 课题研究内容 .2第二章 人工神经网络 .32.1 人工神经网络 .32.2 DELTA 学习规则 .62.3 BP 网络 .7第三章 图像的预处理 .133.1 256 色位图灰度化 .133.2 灰度图像二值化 .143.3 图像的梯度锐化 .153.4 去除离散的杂点噪声 .153.5 整体倾斜度调整 .163.6 字符分割 .173.7 标准归一化 .193.8 紧缩的紧缩重排 .203.9 特征提取 .20第四章 基于人工神经网络的数字识别 .22
