手写体数字识别

论文编号:TX030       论文字数:32706,页数:61

摘  要

手写体数字识别是文字识别中的一个研究课题。由于识别类型较少，在实际生活中有深远的应用需求，一直得到广泛的重视。近年来随着计算机技术和数字图像处理技术的飞速发展，数字识别在电子商务，机器自动输入等场合已经获得成功的实际应用。
对于手写体数字识别，目前已经发展了很多种方法，它们是基于神经网络算法，基于笔划特征的算法，基于遗传算法，基于小波变换算法，基于傅立叶变换算法，基于支持向量机算法和基于模板匹配算法等等。由于手写体数字识变体极多，对各类字体的数字识别特别是脱机手写数字识别仍然处于在发展阶段，识别效果仍然不够理想。因此，研究简单高效的手写数字识别依然是一个重要的研究方向。本文通过图像预处理和数字特征提取，基于神经网络的判别方法，并结合使用Matlab工具箱中提供的人工神经网络函数设计了一种手写数字识别的新方法。实验表明，该方法可以获得较好的识别率。

关键词：手写体数字识别；特征提取；人工神经网络；Matlab

ABSTRACT

Handwritten numeral recognition is a branch of character recognition and attracted great attention because of its lesser classification and beneficial demand in practice. Furthermore, with the rapid development of computing technology and image processing by recent years, numeral recognition has found successful applications on business, automatic input and other fields.
People have developed some methods on the research of handwritten numeral recognition nowadays. They are based on neural network, stroke feature extraction, genetic algorithm, wavelet transform, FFT transform, SVM algorithm, template matching algorithm and etc. However, numeral recognition of every kind of font, especially offline numeral recognition has still on its developing stage and the recognition rate is still not very perfect due to the variety of written styles. For these reasons, to find simple and effective methods is still a challenging task. This paper designs a new method of handwritten numeral recognition by digital image preprocessing, feature extraction based on neural network method of judgment and the combined use of Matlab toolbox for the artificial neural network function. Experiments show that the method can gain better recognition rate.

Key words：Handwritten Numeral Recognition; Feature Extraction; Artificial Neural Network; Matlab          
目  录
前   言  1
第一章  绪论  2
1.1引言  2
1.2 手写数字识别综述   3
1.2.1手写数字识别的来历   3
1.2.2研究手写数字识别的实际背景  3
1.2.3研究手写数字识别的目的意义   4
1.2.4手写数字识别的典型应用   4
1.2.5手写数字识别的方法   5
1.2.6手写数字的现状及展望   7
1.3模式识别的构成  7
第二章神经网络与模式识别   9
2.1 人工神经网络概述   9
2.2 人工神经网络的基本原理 9
2.3 人工神经网络技术的发展及其在模式识别中的广泛应用  10
2.4 BP神经网络模型  11
2.5 BP神经网络中的反馈函数  13
2.6 利用BP神经网络构建数字识别模型  14
第三章手写体数字图像的预处理   17
3.1 图像的二值化处理   17
3.2 滤波   20
3.2.1中值滤波  20
3.2.2平滑滤波   20
3.3 对二值化后图像进行倾斜校正  21
3.4 细化  24
3.5 图像尺寸的归一化  26
第四章特征描述及其提取  28
4.1 特征提取的作用  28
4.2 特征提取的研究综述  28
4.3 手写体数字特征提取  29
4.3.1 点特征提取   29
4.3.2 结构特征提取   30
第五章基于人工神经网络的手写体数字识别   31
5.1 神经网络实现  31
5.1.1 节点的选择   31
5.1.2 学习和训练的准备工作  31
5.1.3 和的选择   32
5.2 神经网络设计要求   32
5.3 神经网络结构设计  33
5.4 手写体数字识别系统的实现   33
5.5 实验结果及分析  37
结  论 38
参考文献  39
附   录   40
谢    辞  50

相关论文