基于神经网络的字符识别算法研究
北京化工大学
硕士学位论文
基于神经网络的字符识别算法研究
姓名：黄承清
申请学位级别：硕士
专业：计算机应用技术
指导教师：高敬阳
20100526
基于模板匹配算法的数字识别讲解
中南民族大学 毕业论文(设计) 学院: 计算机科学学院 专业: 软件工程年级:2009 题目: 基于模板匹配算法的数字识别学生姓名: 李成学号:09065093指导教师姓名: 李波职称: 讲师 2013年5月
中南民族大学本科毕业论文（设计）原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。 作者签名：2013年月日
摘要 (1) Abstract (1) 1 绪论 (2) 1.1 研究目的和意义 (2) 1.2 国内外研究现状 (2) 2 本文基本理论介绍 (3) 2.1 位图格式介绍 (3) 2.2 二值化 (3) 2.3 去噪 (3) 2.4 细化 (4) 2.5 提取骨架 (4) 3 图像的预处理 (5) 3.1 位图读取 (5) 3.2 二值化及去噪声 (5) 3.3 提取骨架 (6) 4 基于模板匹配的字符识别 (8) 4.1 样本训练 (8) 4.2 特征提取 (8) 4.3 模板匹配 (9) 4.4 加权特征模板匹配 (10) 4.5 实验流程与结果 (10) 5 结论 (16) 5.1 小结 (16) 5.2 不足 (16) 6 参考文献 (17)
基于模板匹配算法的数字识别 摘要 数字识别已经广泛的应用到日常生活中，典型的数字自动识别系统由图像采集、预处理、二值化、字符定位、字符分割和字符识别等几部分组成, 这些过程存在着紧密的联系。传统的模板匹配算法因为图像在预处理之后可能仍然存在较大的干扰，数字笔画粗细不均匀，有较大的噪声，识别效率不高。本文采的主要思想就是对字符进行分类，之后对字符进行细化，提取细化后字符的特征矢量，与模板的特征矢量进行加权匹配，误差最小的作为识别结果。本文在模板匹配法的基础上, 采用了特征值加权模板匹配法, 并且改进了匹配系数的求法。应用该法取得了满意的效果, 提高了识别率。 关键词：模板匹配；数字识别；特征值加权；字符识别； Template matching algorithm-based digital identification Abstract Digital identification has been widely applied to daily life, the typical digital automatic identification system by the image acquisition, pre-processing, binarization, character positioning, character segmentation and character recognition several parts, there is a close link these processes. Traditional template matching algorithm because the image may still exist after pre-greater interference, digital strokes uneven thickness, the noise, the identification efficiency is not high. Adopted herein main idea is to classify the character after character refinement, the characters feature vector extraction refinement, and the template feature vector is weighted matching, the minimum error as a recognition result. Template matching method based on feature weighted template matching method, and improve the matching coefficient method. The application of the method to obtain satisfactory results, to improve the recognition rate. Key words：Template matching; digital identification; characteristic value weighted; character recognition;
基于某某BP神经网络地手写数字识别实验报告材料
基于BP神经网络的手写体数字图像识别 PT1700105 宁崇宇 PT1700106 陈玉磊 PT1700104 安传旭 摘要 在信息化飞速发展的时代，光学字符识别是一个重要的信息录入与信息转化的手段，其中手写体数字的识别有着广泛地应用，如：邮政编码、统计报表、银行票据等等，因其广泛地应用范围，能带来巨大的经济与社会效益。 本文结合深度学习理论，利用BP神经网络对手写体数字数据集MNIST进行分析，作为机器学习课程的一次实践，熟悉了目前广泛使用的Matlab工具，深入理解了神经网络的训练过程，作为非计算机专业的学生，结合该课题掌握了用神经网络处理实际问题的方法，为今后将深度学习与自身领域相结合打下了基础。
1 引言 从计算机发明之初，人们就希望它能够帮助甚至代替人类完成重复性劳作。利用巨大的存储空间和超高的运算速度，计算机已经可以非常轻易地完成一些对于人类非常困难的工作，然而，一些人类通过直觉可以很快解决的问题，却很难通过计算机解决，这些问题包括自然语言处理、图像识别、语音识别等等，它们就是人工智能需要解决的问题。 计算机要想人类一样完成更多的智能工作，就需要掌握关于这个世界的海量知识，很多早期的人工智能系统只能成功应用于相对特定的环境，在这些特定环
境下，计算机需要了解的知识很容易被严格完整地定义。 为了使计算机更多地掌握开放环境下的知识，研究人员进行了很多的尝试。其中影响力很大的一个领域就是知识图库（Ontology），WordNet是在开放环境中建立的一个较大且有影响力的知识图库，也有不少研究人员尝试将Wikipedia中的知识整理成知识图库，但是建立知识图库一方面需要花费大量的人力和物力，另一方面知识图库方式明确定义的知识有限，不是所有的知识都可以明确地定义成计算机可以理解的固定格式。很大一部分无法明确定义的知识，就是人类的经验，如何让计算机跟人类一样从历史的经验中获取新的知识，这就是机器学习需要解决的问题。 卡内基梅隆大学的Tom Michael Mitchell教授在1997年出版的书籍中将机器学习定义为“如果一个程序可以在任务T上，随着经验E的增加，效果P 也可以随之增加，则称这个程序可以从经验中学习”。逻辑提取算法可以从训练数据中计算出每个特征和预测结果的相关度，在大部分情况下，在训练数据达到一定数量之前，越多的训练数据可以使逻辑回归算法的判断越精确，但是逻辑回归算法有可能无法从数据中学习到好的特征表达，这也是很多传统机器学习算法的共同问题。 对机器学习问题来说，特征提取不是一件简单的事情。在一些复杂问题上，要通过人工的方式设计有效的特征集合，需要很多的时间和精力，甚至需要整个领域数十年的研究投入。既然人工无法很好地抽取实体中的特征，那么是否有自动的方式呢？深度学习解决的核心问题就是自动地将简单的特征组合成更加复杂的特征，并使用这些特征解决问题。 因为深度学习的通用性，深度学习的研究者往往可以跨越多个研究方向，甚至同时活跃于数个研究方向。虽然深度学习受到了大脑工作原理的启发，但现代深度学习研究的发展并不拘泥于模拟人脑神经元和人脑的工作原理，各种广泛应用的机器学习框架也不是由神经网络启发而来的。 MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。 MNIST是一个非常有名的手写体数字识别数据集，被广泛用作机器学习的入门样例，它包含了60000张图片作为训练数据，10000张图片作为测试数据，每一张图片代表了0~9中的一个数字，图片的大小为28x28，且数字会出现在图片的正中间。本文以该数据集为例，基于Matlab来分析BP神经网络的性能。 2 运行环境 本设计在Windows 10 下进行设计、主要利用Matlab工具环境，进行模拟演示。
车辆牌照图像识别算法研究与实现本科毕设论文
Q260046902 专业做论文 西南科技大学 毕业设计（论文）题目名称：车辆牌照图像识别算法研究与实现
车辆牌照图像识别算法研究与实现 摘要：近年来随着国民经济的蓬勃发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制、安全管理的要求也日益提高。因此，汽车牌照识别技术在公共安全及交通管理中具有特别重要的实际应用意义。本文对车牌识别系统中的车牌定位、字符分割和字符识别进行了初步研究。对车牌定位，本文采用投影法对车牌进行定位；在字符分割方面，本文使用阈值规则进行字符分割；针对车牌图像中数字字符识别的问题，本文采用了基于BP神经网络的识别方法。在学习并掌握了数字图像处理和模式识别的一些基本原理后，使用VC++6.0软件利用以上原理针对车牌识别任务进行编程。实现了对车牌的定位和车牌中数字字符的识别。 关键词：车牌定位；字符分割；BP神经网络；车牌识别；VC++
Research and Realization of License Plate Recognition Algorithm Abstract:In recent years, with the vigorous development of the national economy，there are more and more construct in the domestic expressway, urban road, and parking area. The requisition on the traffic control, safety management improves day by day. Therefore, license plate recognition technology has the particularly important practical application value in the public security and the traffic control. In the paper, a preliminary research was made on the license location, characters segment and characters recognition of the license plate recognition. On the license location，the projection was used to locate the license plate; On the characters segmentation, the liminal rule was used to divide the characters; In order to solve the problem of the digital characters recognition in the plate, BP nerve network was used to recognize the digital characters. After studying and mastering some basic principles of the digital image processing and pattern recognition, the task of license plate recognition was programmed with VC++ 6.0 using above principles. The license location and the digital characters recognition in the license plate were implemented. Keywords: license location, characters segmentation, BP nerve network, license plate recognition, VC++
基于神经网络方法的字符识别方法
论文写作与规范 题目：基于神经网络方法的字符识别方法 学号： 210802102 专业：计算机系统结构 姓名：靳飞飞 2009 年 1 月 9日
基于神经网络方法的字符识别方法 靳飞飞 （中国海洋大学信息科学与工程学院, 山东青岛266071） 摘要：字符识别是模式识别领域的一项传统的课题，这是因为字符识别不是一个孤立的问题，而是模式识别领域中大多数课题都会遇到的基本问题，并且在不同的课题中，由于具体的条件不同，解决的方法也不尽相同，因而字符识别的研究仍具有理论和实践意义。这里讨论的是用神经网络方法实现基于照相的数字图像的字符识别的问题。并且通过模板匹配的方法作为参照，以体现神经网络在处理模式识别问题上的优势。由于人工神经网络的非线性以及并行性和鲁棒性等特点，在上述领域，其取得了以往传统算法无法获得的成功。 关键词：神经网络；字符识别；图像处理 Character recognition based on neural network Jin Feifei (College of Information Science and Engineering，Ocean University of China，Qingdao 266071，China) Abstract:Character recognition is a traditional problem in the field of pattern recognition, for it is rather an isolated task than a fundamental problem in most work of pattern recognition area, with which we have various methods to deal in terms of specific conditions. That means the pursuit of character recognition is of great significance both in theory and in practice .The goal of this paper is using neural network to recognize characters on digital image based on camera. It also can be seen, in the paper, the advantage of neural network compared with the template matching method. Because its nonlinearity, parallel and strong, in these fields mentioned above, artificial neural network has achieved the success which other traditional algorithms can not reach. Key word: neural network, character recognition, image processing 1引言 字符识别是模式识别领域的一项传统的课题，这是因为字符识别不是一个孤立的问题，
数字验证码识别算法的研究与设计
数字验证码识别算法的研究和设计 王虎, 冯林, 孙宇哲 Wang Hu, Feng Lin, Sun Yuzhe 大连理工大学大学生创新院，大连116023 Institute of University Students’ Innovation, Dalian University of Technology, Dalian 116023, China E-mail: wlys111@https://www.wendangku.net/doc/4615060266.html, Research and Design of Digital character-based CAPTCHA Recognition Abstract:CAPTCHA Recognition can be used in multi-send technology. Digital character-based CAPTCHA Recognition, which is foundation of pattern recognition research, is a kind of OCR. In this paper, we proposed a CAPTCHA Recognition System based on simple distortion and its architecture is template matching. Hilditch thinning algorithm, circle structure searching algorithm and dynamic template analyzing algorithm is chose and the weigh of template is also used to improve the recognition accuracy. The advantage of the system is that the recognition precision is perfect. Key words:Template matching, Weighted Template, dynamic template, grid feature, crossing points feature 摘要:验证码识别技术可以用于网站的群发软件，数字验证码识别是光学字符识别(OCR)的一种，是进行模式识别研究的基础。论文提出了以简单变形的数字字符为理论研究素材，将模板匹配作为基本框架的验证码识别系统。系统采用图像的Hilditch细化算法、环结构的搜索算法、活动模板分析算法，加入模板分量的权值。其优点在于能够对特定数字验证码精确识别，实验中识别准确率基本达到100%。 关键字:模板匹配，加权模板，活动模板，网格特征，交叉点特征 文章编号：文献标识码：A 中图分类号：TP391.43 引言 目前，网络上出现了很多以图片形式出现的基于文本的验证码。所谓验证码，就是将一串随机产生的字符，生成一幅图片，图片里随机的加入一些像素干扰、颜色干扰和形变干扰等等，以达到防止恶意注册等目的。有的验证码是无像素干扰的、大小固定的、质心位置居中，含有形变干扰的数字字符，我们称之为简单变形体。反之，我们称加入了更多干扰的字符为复杂变形体。 验证码千变万化，而当前的识别系统都具有很强针对性，只能够识别一种类型的验证码，而且验证码的技术不断发展，出现了更加复杂的基于图像的验证码系统[5]，并且目前人工智能（机器智能）还远未赶上人类智能，但是对于给定的验证码系统，在获知其特点之后，基本能够以一定的准确率进行识别[6、7]。 基金项目: 国家自然科学基金( the National Foundation of China under Grant No.10471051 )。 作者简介: 王虎(1984-),学士,研究方向:计算机图形处理,模式识别与智能控制; 冯林(1969-),博士,教授,研究方向:图像压缩、配准及融合和演化算法; 孙宇哲(-),硕士,研究方向:.
一种基于多模板匹配的字符识别方法
一种基于多模板匹配的字符识别方法 李 婧，龚晓峰，王瑞辉 （四川大学 电气信息学院 成都 610065） 摘要：本文在对字符进行各种预处理，包括倾斜校正，归一化，分割的基础上，依据字符的高度，宽度范围，提出了一种基于多模板匹配的字符识别方法，并将该算法运用于仿宋_GB2312字体，识别率达到98％以上，有效的提高了识别正确率，简单易实现。 关键词：倾斜校正；字符分割；多模板匹配 中图分类号：TP391.41 文献标识码：A A recognition method of characters based on Multi-Template Matching LI Jing, GONG Xiao-feng, Wang Rui-hui (College of Electrical Information, Sichuan University, Chengdu 610065, China) Abstract: This paper first do pretreatment such as skew correction, normalization, segmentation of characters, etc. Then it presented a new muti-template matching method according to the range of the character’s width and height. At last, the experiment used in the FangSong_GB2312 font show that this method can improve recognition accuracy and is easy to put into practice. Keywords: skew correction; character segmentation; multi-template matching 0 引言 字符识别是图像处理和模式识别领域中的研究课题之一,它涉及模式识别、图像处理、人工智能、中文信息处理等学科,是一门综合性技术,在中文信息处理、办公室自动化、人工智能、车牌识别、交通管理等高技术领域都有着重要的实用价值和理论意义[1]。目前字符识别主要有以下几种方法：1)利用字符的统计特征进行特征提取，2)基于字符结构分析的识别方法，3)利用字符的结构特征和变换进行特征提取，4)基于模板匹配的方法进行字符识别，5)近年来又出现了基于神经网络的算法和基于矩和小波变换的识别算法。但由于同一字体的字符有各种字号的差异，单一的运用上述某一种方法的效果都不理想[2]。为了提高识别率，本文从识别率较高的模板匹配法入手，对单模板匹配和特征模板进行改进，提出了一种根据字符高度，宽度值为每个字聚类多个模板，最后采用海明距离实现多模板的匹配。通过将该算法运用于仿宋_GB2312字体，发现这一方法能有效解决相似度高的字符的正确识别问题，有一定的实用价值。 1 识别系统总体方案 字符识别系统一般包括字符预处理，字符分割，字符识别三个环节，系统框图如图1所示。
基于神经网络的手写数字识别系统的设计与实现
中南大学 本科生毕业论文（设计） 题目基于神经网络的手写数字 识别系统的设计与实现
目录 摘要 (Ⅰ) ABSTRACT (Ⅱ) 第一章绪论 (1) 1.1手写体数字识别研究的发展及研究现状 (1) 1.2神经网络在手写体数字识别中的应用 (2) 1.3 论文结构简介 (3) 第二章手写体数字识别 (4) 2.1手写体数字识别的一般方法及难点 (4) 2.2 图像预处理概述 (5) 2.3 图像预处理的处理步骤 (5) 2.3.1 图像的平滑去噪 (5) 2.3.2 二值话处理 (6) 2.3.3 归一化 (7) 2.3.4 细化 (8) 2.4 小结 (9) 第三章特征提取 (10) 3.1 特征提取的概述 (10) 3.2 统计特征 (10) 3.3 结构特征 (11) 3.3.1 结构特征提取 (11) 3.3.2 笔划特征的提取 (11) 3.3.3 数字的特征向量说明 (12) 3.3 知识库的建立 (12) 第四章神经网络在数字识别中的应用 (14) 4.1 神经网络简介及其工作原理 (14) 4.1.1神经网络概述[14] (14) 4.1.2神经网络的工作原理 (14) 4.2神经网络的学习与训练[15] (15) 4.3 BP神经网络 (16) 4.3.1 BP算法 (16) 4.3.2 BP网络的一般学习算法 (16)
4.3.3 BP网络的设计 (18) 4.4 BP学习算法的局限性与对策 (20) 4.5 对BP算法的改进 (21) 第五章系统的实现与结果分析 (23) 5.1 软件开发平台 (23) 5.1.1 MATLAB简介 (23) 5.1.2 MATLAB的特点 (23) 5.1.3 使用MATLAB的优势 (23) 5.2 系统设计思路 (24) 5.3 系统流程图 (24) 5.4 MATLAB程序设计 (24) 5.5 实验数据及结果分析 (26) 结论 (27) 参考文献 (28) 致谢 (30) 附录 (31)
基于MATLAB的字符识别研究
基于MATLAB的字符识别研究 汽车牌照识别程序的设计 摘要：本次课程设计的目的是通过对基于MATLAB的字符识别的研究，以汽车牌照识别的设计为实例，详细介绍字符识别的相关原理。整个汽车牌照识别的过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块，用MATLAB软件编程来实现每一个部分，最后识别出汽车牌照。在研究的同时对其中出现的问题进行了具体分析，处理。寻找出对于具体的汽车牌照识别过程的最好的方法。 关键词：MATLAB 字符识别车牌识别神经网络图像处理 引言 在MATLAB的字符识别研究中，汽车牌照的识别是最经典的样例，因为车辆牌照识别系统（License Plate Recognition System，简称LPRS）是建设智能交通系统不可或缺的部分。基于 MATLAB 图像处理的汽车牌照识别系统是通过引入数字摄像技术和计算机信息管理技术，采用先进的图像处理模式识别和人工智能技术，通过对图像的采集和处理，获得更多的信息，从而达到更高的智能化管理程度。车牌识别系统整个处理过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块，用 MATLAB软件编程来实现每一个部分处理工程，最后识别出汽车牌照。 一、 MATLAB及其图像处理工具概述 MATLAB 是 MATrix LABoratory （矩阵实验室）的缩写，是 Math Works 公司开发的一种功能强效率高简单易学的数学软件。MATLAB 的图像处理工具箱，功能十分强大，支持的图像文件格式丰富，如*.BMP、*.JPG、 *.JPEG、 *.GIF、 *.TIF 、*.TIFF、 *.PNG 、*.PCX、 *.XWD、 *.HDF、*.ICO 、*.CUR 等。MATLAB 7.X 提供了20 多类的图像处理函数，几乎涵盖了图像处理的所有技术方法，是学习和研究图像处理的人员难得的宝贵资料和加工工具箱。这些函数按其功能可分为：图像显示、图像文件 I/O、图像算术运算、几何变换、图像登记、像素值与统计图像分析、图像增强、线性滤波、线性二元滤波设计、图像去模糊、图像变换、邻域与块处理、灰度与二值图像的形态学运算、基于边缘的处理、色彩映射表操作色彩空间变换图像类型与类型转换。MATLAB 还着重在图形用户界面（GUI）的制作上作了很大的改善，对这方面有特殊要求的用户也可以得到满足。本文将给出 MATLAB 的图像处理工具箱中的图像处理函数实现图像处理与分析的应用技术实例。 二、基于 MATLAB图像处理的汽车牌照识别系统 1.系统组成 基于MATLAB图像处理的汽车牌照识别系统主要包括车牌定位字符车牌分割和车牌字符识别三个关键环节其识别流程图如图 1所示。 图1 识别流程图 其中， (1)原始图像：由数码相机或其它扫描装置拍摄到的图像； (2)图像预处理：对动态采集到的图像进行滤波、边界增强等处理以克服图像干扰； (3)车牌定位：计算边缘图像的投影面积，寻找峰谷点，大致确定车牌位置，再计算此连通域内的宽 高比，剔除不在域值范围内的连通域，最后得到的便为车牌区域； (4)字符分割：利用投影检测的字符定位分割方法得到单个的字符； (5)字符数据库：为第6步的字符识别建立字符模板数据库； (6)字符识别：通过基于模板匹配的OCR算法或基于人工神经网络的OCR算法，通过特征对比或训练 识别出相关的字符，得到最后的汽车牌照，包括英文字母和数字。
(完整版)基于神经网络的中国人口预测算法研究毕业论文
毕业论文（设 计） 题目基于神经网络的中国人口预测 算法研究
所在院(系)数学与计算机科学学院 专业班级信息与计算科学1102班 指导教师赵晖 完成地点陕西理工学院 2015年5 月25日
基于神经网络的中国人口预测算法研究 作者：宋波 （陕理工学院数学与计算机科学学院信息与计算科学专业1102班，陕西汉中 723000） 指导教师：赵晖 [摘要]我国现正处于全面建成小康社会时期,人口发展面临着巨大的挑战,经济社会发展与资源环境的矛盾日益尖锐。我国是个人口大国、资源小国，这对矛盾将长期制约我国经济社会的发展。准确地预测未来人口的发展趋势，制定合理的人口规划和人口布局方案具有重大的理论意义和实用意义。本文介绍了人口预测的概念及发展规律等。 首先，本文考虑到人口预测具有大量冗余、流动范围和数量扩大的特性，又为提高人口预测的效果，因此，使用归一化对人口数据进行了处理，该方法不需要离散化原数据，这样就保证了人口预测的准确性和原始数据的信息完整性。其次，本文提出了一种基于神经网络预测的优化算法，该算法避免了人们在预测中参数选择的主观性而带来的精度的风险，增强了人口预测的准确性。同时，为说明该算法的有效性，又设计了几种人们通常所用的人口模型和灰色预测模型算法，并用相同的数据进行实验，得到了良好的效果，即本文算法的人口预测最为准确，其预测性能明显优于其他算法，而这主要是参数的选择对于增强预测性方面的影响，最终导致人口预测精确度。同时，在算法的稳定性和扩展性方面，该算法也明显优于其他算法。 考虑出生率、死亡率、人口增长率等因素的影响，重建神经网络模型预测人口数量。 [关键词] 神经网络人口模型灰色预测模型软件
字符识别方法归纳
字符识别 一、理论 1.结构模式识别：根据字符结构特征进行识别，可用来识别汉字，但抗干扰能力差。可用来识别少量和简单的字符，如数字。 2.统计模式识别：其要点是提取待识别模式的的一组统计特征，然后按照一定准则所确定的决策函数进行分类判决。 常见的统计模式识别方法有： (1) 模板匹配。模板匹配并不需要特征提取过程。字符的图象直接作为特征，与字典中的模板相比，相似度最高的模板类即为识别结果。这种方法简单易行，可以并行处理；但是一个模板只能识别同样大小、同种字体的字符，对于倾斜、笔划变粗变细均无良好的适应能力。 (2)利用变换特征的方法。对字符图象进行二进制变换(如Walsh, Hardama变换)或更复杂的变换(如Karhunen-Loeve, Fourier,Cosine，Slant变换等)，变换后的特征的维数大大降低。但是这些变换不是旋转不变的，因此对于倾斜变形的字符的识别会有较大的偏差。二进制变换的计算虽然简单，但变换后的特征没有明显的物理意义。K-L变换虽然从最小均方误差角度来说是最佳的，但是运算量太大，难以实用。总之，变换特征的运算复杂度较高。 (3)投影直方图法。利用字符图象在水平及垂直方向的投影作为特征。该方法对倾斜旋转非常敏感，细分能力差。 (4)几何矩(Geometric Moment)特征。M. K. Hu提出利用矩不变量
作为特征的想法，引起了研究矩的热潮。研究人员又确定了数十个移不变、比例不变的矩。我们都希望找到稳定可靠的、对各种干扰适应能力很强的特征，在几何矩方面的研究正反映了这一愿望。以上所涉及到的几何矩均在线性变换下保持不变。但在实际环境中，很难保证线性变换这一前提条件。 (5)Spline曲线近似与傅立叶描绘子(Fourier Descriptor)。两种方法都是针对字符图象轮廓的。Spline曲线近似是在轮廓上找到曲率大的折点，利用Spline曲线来近似相邻折点之间的轮廓线。而傅立叶描绘子则是利用傅立叶函数模拟封闭的轮廓线，将傅立叶函数的各个系数作为特征的。前者对于旋转很敏感。后者对于轮廓线不封闭的字符图象不适用，因此很难用于笔划断裂的字符的识别。 (6)笔划密度特征。笔划密度的描述有许多种，这里采用如下定义：字符图象某一特定范围的笔划密度是在该范围内，以固定扫描次数沿水平、垂直或对角线方向扫描时的穿透次数。这种特征描述了汉字的各部分笔划的疏密程度，提供了比较完整的信息。在图象质量可以保证的情况下，这种特征相当稳定。在脱机手写体的识别中也经常用到这种特征。但是在字符内部笔划粘连时误差较大。 (7)外围特征。汉字的轮廓包含了丰富的特征，即使在字符内部笔划粘连的情况下，轮廓部分的信息也还是比较完整的。这种特征非常适合于作为粗分类的特征。 (8)基于微结构特征的方法。这种方法的出发点在于，汉字是由笔划组成的，而笔划是由一定方向，一定位置关系与长宽比的矩形段组
基于bp神经网络的字符识别算法的实现毕业(设计)论文正文
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++6.0软件。 研究条件：BP神经网络的基本原理以及图像处理的基本常识。 应用环境：基于BP神经网络的图片图像文件中的字符识别。 工作目的：掌握基于Visual C++6.0应用程序的开发。 了解人工智能的基本概念并掌握神经网络算法的基本原理。 掌握Visual C++6.0中的图片处理的基本过程。 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. [5]Application 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（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、掌握二维神经网络的基本原理。了解BP神经网络的基本概念。 3、完成Visual C++中对于图像的灰度、二值化等预处理。 4、完成基于样本的神经网络的训练以及图像中数字的识别，并对其性能进 行统计和总结，分析其中的不足。 指导教师（签字） 年月日 审题小组组长（签字） 年月日
基于BP神经网络语音识别方法研究
基于BP神经网络语音识别方法研究 摘要：神经网络是近年来信息科学、脑科学、神经心理学等诸多学科共同关注和研究的热点。由于其具有良好的抽象分类特性,现已应用于语音识别系统的研究和开发，并成为解决识别相关问题的有效工具。文章在讲述语音识别过程的基础上重点讨论利用BP神经网络对语音进行识别,用MATLAB完成对神经网络的训练和测试,并获得满意的结果。 关键词：语音识别；模式识别；BP神经网络， 1 绪论 计算机的飞速发展，使人们的生活方式发生了根本性的改变，鼠标、键盘，这些传统的人机接口使人们体会到了生活的便利。科学技术日新月异，假如让“机器”能够听懂人的语言，并根据其信息去执行人的意图，那么这无疑是最理想的人机智能接口方式，因此语音识别作为一门极具吸引力的学科应运而生，很多专家都指出语音识别技术将是未来十年信息技术领域十大重要的科技发展技术之一。 1.1 研究背景及意义 语言在人类的智能组成中充当着很重要的角色，人与人之间的交流和沟通大部分是通过语言的方式有效的完成。作为人与人之问交流最方便、自然、快捷的手段，人们自然希望它成为人与计算机交流的媒介。随着数字信号处理及计算机科学的飞速发展，人们对实现人机对话产生越来越迫切的要求，使得语音识别技术近年来得到了迅速的发展，语音识别技术的研究进入了一个比较成熟的时期。语音识别是一门交叉科学，它综合了声学、语言学、语音学、生理科学、数字信号处理、通信理论、电子技术、计算机科学、模式识别和人工智能等众多学科。也是人机交互最重要的一步。 1.2 语音识别的国内外研究现状 通过语音传递信息是人类最重要，最有效，和最方便的交换信息的形式，语音识别主要指让机器转达人说的话，即在各种情况下，准确的识别出语音的内容，从而根据其信息，执行人的各种意图。 广义的语音识别包括说话人的识别和内容的识别两部分。这里所说的语音识别，是指内容识别方面。采用计算机进行语音识别到现在已经发展了50年。 从特征参数上改进，采用各种办法进行语音增强是一个研究方向，但是到目前为止，还没有一种办法能把语音信号完美地从噪音环境提取出来。语音识别有广泛的商业化运用前景，主要可以分为通用场合和专用场合两个方面。 1.3研究内容 本文研究的主要内容是结合模式识别的基本理论，研究BP神经网络孤立词语音识别的问
文字识别算法
题目图像分割技术 学院计算机科学与技术班级计软1401 学生兰俊锋 学号20141214023
文字识别是智能识别技术中的一个重要技术。文字具有便于信息保存和传递的优点，使信息在时间和空间上得以迅速扩散。在人们的日常生活中，在机关事务处理、工业以及商业交往中，需要识别文字的数量如同天文数字，但利用计算机识别的文字量却很少。最近几年，随着计算机技术、数学和图像技术的发展，文字识别的应用领域逐步扩大，目前较为活跃的应用包括数字识别，文字识别等。文字识别是指用计算机字典、高速地识别现在介质（如纸张等）上的数字、英文符号或汉字。文字识别实际上就是解决文字的分类问题，一般通过特征及特征匹配的方法来进行处理。 本文将从算法、应用两方面介绍文字识别技术，本文介绍的文字识别应用有英文字母识别、车牌特殊文字识别、书写文字识别、特殊文字识别。 文字是人类相互交流信息的重要工具。社会发展进入信息时代，人们已不再停留在用自己的耳朵和眼睛去直接获得这些信息，而是使用计算机将文字自动的输入计算机，用计算机对他们进行处理，随时以各种方式满足人们的不同需要。因此，研究如何用计算机自动识别文字图像，解决文字信息自动输入计算机，并进行高速加工处理的问题已引起大家的广泛关注。 归一化算法一般作为一种图像的预处理技术，其目的是将采集到的原始图像转换成特征提取器所能接受的形式(灰度图像或二值图像)，消除一些与类别无关的因素(噪声消除、归一化等) 。从理论上讲，经过归一化后的骨架应该是宽度为一的中心线，但这是不可能的。不同的硬件设备和不同的算法得出的结果可能不是唯一的，其结果与原图案的扭曲程度也是不～样的，扭曲程度尽量的小应该是归一化算法追求的目的之一。既然预处理是为后续的特征提取和分类器设计服务的，那么预处理方法的选择就应该有利于特征的提取，以使分类变得简单。 汽车牌照识别，在高速公路收费、电子警察和治安卡口等系统中有重要的应用价值。作为图像识别的典型问题，汽车牌照识别的研究有很长的历史，但因为实际路况的高度复杂性（如车速、光线、污染及变形等），目前的性能还不能令人满意。 1.文字识别过程概述 一般来说，文字图像的识别过程主要由以下 4 个部分组成：①正确地分割文字图像区域；②正确地分离单个文字；③正确识别单个文字；④正确地连接单个文字。其中①、④属于文字图像分析技术问题，③属于文字识别技术问题。关于②，由于仅从分割处理不能对其进行评价，通常采用文字识别地评价值来判断分离的正确性。单纯的文字识别是指经二值化处理后的单个文字识别。
神经网络算法的软件应用研究
第1期（总第125期）机械管理开发 2012年2月No.1（S UM No.125） M EC HANIC AL M ANAGEM ENT AND DEVELOPM ENT Feb.2012 0引言 从第一台计算机发明以来，以计算机为中心的信息处理技术得到迅速发展，然而，计算机在处理一些人工智能的问题时遇到很大困难。一个人很容易辨认出他人的脸庞，而计算机却很难做到。这是因为传统的信息处理，都有精确的模型做指导，而人工智能却没有，很难为计算机编写明确的指令或程序。大脑是由生物神经元构成的巨型网络，本质上不同于计算机，是一种大规模的秉性处理系统，它有学习、联想、记忆、综合等能力，并有巧妙的信息处理方法。神经元不仅是组成大脑的基本单元，而且是大脑进行信息处理的基本单元。 人工神经网络（Artificial Neural Netw ork-ANN ）是对人脑最简单的一种抽象和模拟，是模仿人的大脑神经系统信息处理功能的一个智能化系统，也是人们进一步解开人脑思维奥秘的有力工具。智能是指对环境的适应和自我调整能力，人工神经网络是有智能的。预测作为决策的前提和基础，对最终决策方案的选择具有至关重要的作用。1神经网络的观念介绍1.1 神经网络的模型与内涵 神经网络的学习可分为有导师学习和无导师学习。有导师学习是指基于知识系统，在实际的学习过程中，需要通过给定的输入输出数据，所进行的一种学习方式。无导师学习是指通过系统自身的学习，来达到期望的学习结果，所进行的一种学习。该学习不需要老师为系统提供各种精确的输入输出信息和有关知识，而只需提供系统所期望达到的目标和结果。 1）MP 模型。每个神经元的状态由M P 方程决定，U i =f （(ΣT ij *V j )-θi ）.其意义是每个神经元的状态是由一定强度（权值Tij ）的外界刺激（输入Vj ）累加后经过细胞体加工（激励函数f (x)）产生一个输出。神经元的模型，见图1 。 图1神经元的模型 2）联想学习。Hebb 定理：神经元i 和神经元j 之间，同时处于兴奋状态，则他们间的连接应该加强，即 △Wij =αS i *S j.. 1.2 神经网络的几何意义与样本 1）神经网络的几何意义。N 个神经元（j =1..n ）对神经元i 的总输入I i 为：I i =ΣW ij x j -θi 令I =0，得到一个几何上的超平面。从几何角度看，一个神经元代表一个超平面。超平面将解空间分为3部分：平面本身、平面上部、平面下部，神经元起到分类的作用。 2）线性样本和非线性样本。现举两例说明：OR （逻辑加法）：输入为((0,0),(0,1),(1,0),(1,1)),期望输出为(0,1,1,1)，见图2（a ）。XOR （异或运算）： 输入为((0,0),(0,1),(1,0),(1,1)),期望输出为(0,1,1,0)，见图2（b ）。非线性样本在最早的感知机模型中遇到了障碍，因为感知机的两层网络结构不能对非线性样本 进行超平面的划分。 （a ）样本能够均匀的分布 （b ）不存在一个超平面 在超平面的两侧 能将样本区分开 图2超平面的划分举例 3）非线性样本转化为线性样本。一个超平面不 收稿日期：；修回日期：作者简介：白 鹏（），男，山西太原人，在读工程硕士，研究方向：计算机软件开发。 神经网络算法的软件应用研究 白 鹏 （太原理工大学计算机科学与技术学院，山西 太原 030024） 摘 要：B ackPropagation 神经网络是重要的人工神经网络，有强大的非线性映射、自学习、泛化容错能力，并能充分 考虑主观因素，具有启发式搜索的特点。主要介绍BP 网络算法用JAVA 语言的实现方式及其在预测股票价格方面的应用。 关键词：神经网络；人工神经网络；预测中图分类号：TP391.9 文献标识码：A 文章编号：1003-773X （2012）01-0201-03 2011-04-142011-09-101979-201