手寫阿拉伯?dāng)?shù)字識(shí)別開題報(bào)告

1、題目類型（打選擇）設(shè)計(jì)（V ）論文（）一、文獻(xiàn)綜述手寫阿拉伯?dāng)?shù)字的識(shí)別一直是近年來模式識(shí)別及圖像處理領(lǐng)域的研究熱點(diǎn)，是字符 識(shí)別的一個(gè)分支，問題雖然簡(jiǎn)單，但卻有較大的實(shí)用價(jià)值。廣泛應(yīng)用于財(cái)務(wù)，稅務(wù)，郵政， 科研，以及大規(guī)模數(shù)字統(tǒng)計(jì)工作之中。例如：目前中國在信函通信時(shí)廣泛使用了郵政編碼， 用手寫體數(shù)字識(shí)別技術(shù)進(jìn)行信函的自動(dòng)分揀對(duì)減輕郵電職工的手工分揀工作有很大意義。 隨著我國經(jīng)濟(jì)的發(fā)展，手寫數(shù)字識(shí)別在經(jīng)濟(jì)領(lǐng)域也將發(fā)揮更多的積極作用。作為光學(xué)字符識(shí)別的研究方向之一，近年來，研究者們分別開發(fā)出基于結(jié)構(gòu)特征的 研究方法，基于統(tǒng)計(jì)特征的研究方法等諸多方法，取得了不少令人滿意的成果。例如組合 結(jié)構(gòu)特征的自

2、由手寫體數(shù)字識(shí)別算法5，基于骨架結(jié)構(gòu)特征的手寫數(shù)字識(shí)別方法等3。研 究基于統(tǒng)計(jì)特征的方法主要有模版匹配法，像素點(diǎn)統(tǒng)計(jì)分析法，全局變化及級(jí)數(shù)展開法等。有學(xué)者提出了基于手寫數(shù)字圖像的空間、旋轉(zhuǎn)、層次和結(jié)構(gòu)特性的特征提取方法4 0對(duì)于手寫數(shù)字的識(shí)別，研究者們分別提出不同的識(shí)別工具，其中支持向量機(jī)，隱馬 爾可夫模型，以及人工神經(jīng)網(wǎng)絡(luò)等模型均成為研究熱點(diǎn)。支持向量機(jī)的方法具有較好的性能及識(shí)別率，也具有較高的識(shí)別精度，正成為機(jī)器 學(xué)習(xí)領(lǐng)域中一種新型的熱門研究方法。 SVM學(xué)習(xí)得到的優(yōu)化結(jié)果是全局最優(yōu)解，SVM的 學(xué)習(xí)結(jié)果為支持向量集，充分體現(xiàn)了整個(gè)樣本集的屬性。隱馬爾可夫模型是一種基于馬爾 科夫隨機(jī)過程的

3、統(tǒng)計(jì)模型，其善于處理隨機(jī)信號(hào)，在語音識(shí)別領(lǐng)域的應(yīng)用性較廣。HMM模型通常有3種類型:離散隱馬爾可夫模型（DHMM）,連續(xù)隱馬爾可夫模型（CHMM）和半連 續(xù)隱馬爾可夫模型（SCHMM） o DHMM需要進(jìn)行矢量量化（VQ）,VQ會(huì)帶來一定的誤差，而 且VQ與HMM的訓(xùn)練是分離的，因而其性能不如其他兩個(gè)模型，但運(yùn)算量少，計(jì)算簡(jiǎn)單。 人工神經(jīng)網(wǎng)絡(luò)采用的是人體大腦中的學(xué)習(xí)反饋思想，有較高的運(yùn)行效率，實(shí)現(xiàn)方式也相對(duì) 簡(jiǎn)單。誤差反向傳播神經(jīng)網(wǎng)絡(luò)，簡(jiǎn)稱 BP神經(jīng)網(wǎng)絡(luò)，是一種朝著滿足給定輸入輸出關(guān)系方 向進(jìn)行自組織的網(wǎng)絡(luò)，是應(yīng)用最為廣泛的一種神經(jīng)網(wǎng)絡(luò)。用BP網(wǎng)絡(luò)來識(shí)別手寫體數(shù)字是手寫體數(shù)字識(shí)別的一大進(jìn)步，將

4、BP網(wǎng)絡(luò)技術(shù)和數(shù)字本身的結(jié)構(gòu)特征結(jié)合起來，提出了一種基于結(jié)構(gòu)特征分類BP網(wǎng)絡(luò)的手寫體數(shù)字識(shí)別新方法。首先提取點(diǎn)、環(huán)等數(shù)字特征值，并根據(jù)一些特征進(jìn)行分類；然后再運(yùn)用BP神經(jīng)網(wǎng)絡(luò)識(shí)別，以提高網(wǎng)絡(luò)的識(shí)別能力 。BP神經(jīng)網(wǎng)絡(luò)具有以下優(yōu)點(diǎn)：（1）BP神經(jīng)網(wǎng)絡(luò)實(shí)質(zhì)上實(shí)現(xiàn) 了一個(gè)從輸入到輸出的映射功能， 數(shù)學(xué)理論證明三層的神經(jīng)網(wǎng)絡(luò)就能夠以任意精度逼近任 何非線性連續(xù)函數(shù)。這使得其特別適合于求解內(nèi)部機(jī)制復(fù)雜的問題，即BP神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的非線性映射能力。（2）BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時(shí)，能夠通過學(xué)習(xí)自動(dòng)提取輸出、輸出數(shù) 據(jù)間的“合理規(guī)則”，并自適應(yīng)的將學(xué)習(xí)內(nèi)容記憶于網(wǎng)絡(luò)的權(quán)值中，具有高度自學(xué)習(xí)和自 適應(yīng)的能力。（3

5、）BP神經(jīng)網(wǎng)絡(luò)具有將學(xué)習(xí)成果應(yīng)用于新知識(shí)的能力。（4）BP神經(jīng)網(wǎng)絡(luò)在受 到局部損傷時(shí)還是可以正常工作的，具有一定的容錯(cuò)能力?；谏鲜鰞?yōu)點(diǎn)擬采用BP神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)手寫數(shù)字的識(shí)別。二、設(shè)計(jì)（論文）主要內(nèi)容主要利用Matlab7.1通過建立BP神經(jīng)網(wǎng)絡(luò)的方法實(shí)現(xiàn)手寫阿拉伯?dāng)?shù)字的分類識(shí)別。 主要的階段有圖像預(yù)處理，圖像特征分析，識(shí)別階段。預(yù)處理階段是將原始的圖像轉(zhuǎn)換成識(shí)別器所能接受的二進(jìn)制，影響著識(shí)別的效率。 特征提取階段是將數(shù)字字符形狀轉(zhuǎn)換成一組特征值的過程，其好壞決定著最終的識(shí)別效 果。識(shí)別階段是利用提取的特征對(duì)待識(shí)別的數(shù)字字符進(jìn)行識(shí)別處理。最后利用Matlab建立簡(jiǎn)潔的界面模型GUI調(diào)試并聯(lián)系

6、各部分成完整系統(tǒng)實(shí)現(xiàn)手寫阿 拉伯?dāng)?shù)字的識(shí)別功能。三、設(shè)計(jì)（研究）方案采集原始圖像后，圖像預(yù)處理階段通過濾波去噪，通過灰度化，二值化，字符切分， 圖像校正，歸一化處理的步驟進(jìn)行處理。圖像特征值提取階段針對(duì)數(shù)字字符的端點(diǎn)，三度 點(diǎn)，四度點(diǎn)，折點(diǎn)的個(gè)數(shù)和位置，橫向切割交點(diǎn)序列，縱向切割交點(diǎn)序列等特征值，通過 沿著輪廓點(diǎn)掃描的方法來實(shí)現(xiàn)。在識(shí)別階段利用構(gòu)建 BP人工神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)對(duì)已經(jīng)過特 征提取的數(shù)字結(jié)構(gòu)模型進(jìn)行識(shí)別，在保證精度與效率的情況下完成整個(gè)系統(tǒng)的構(gòu)建。具體步驟如下所示：四、工作進(jìn)度安排第1周第23周第4周第56周第78周第9周第10周第11周第1214周第15周1. 文獻(xiàn)檢索及開題報(bào)告2.

7、 完成圖像預(yù)處理3. 圖像特征分析工作4. 分類識(shí)別階段建立 BP神經(jīng)網(wǎng)絡(luò)5. 判別階段確定結(jié)果是否正確6. 使用 matlab7.1 建立 GUI7. 畢業(yè)實(shí)習(xí)8. 系統(tǒng)各部分程序調(diào)試9. 畢業(yè)論文的撰寫及修改15.畢業(yè)答辯五、主要參考文獻(xiàn)1 劉剛，張洪剛，郭軍.用于脫機(jī)手寫數(shù)字識(shí)別的隱馬爾可夫模型J 計(jì)算機(jī)研究與發(fā)展2003年第8期.2 耿西偉，張猛，沈建京基于結(jié)構(gòu)特征分類BP網(wǎng)絡(luò)的手寫數(shù)字識(shí)別J.計(jì)算機(jī)技術(shù)與發(fā)展2007年第1期.3 于振華，馮運(yùn)亮，羅珍茜.基于骨架結(jié)構(gòu)特征的手寫數(shù)字識(shí)別方法J.微計(jì)算機(jī)信息2010年16期.4 雙小川，張克.基于統(tǒng)計(jì)和結(jié)構(gòu)特征的手寫數(shù)字識(shí)別研究J.計(jì)算機(jī)工程與設(shè)計(jì)2012(4).5 陳軍勝組合結(jié)構(gòu)特征的