《基于BP神经网络的字母识别系统设计与实现.doc》由会员分享，可在线阅读，更多相关《基于BP神经网络的字母识别系统设计与实现.doc（42页珍藏版）》请在金锄头文库上搜索。
1、济南大学泉城学院毕 业 论 文题 目 基于BP神经网络的字母识别系统 设计与实现 专 业 电气工程及其自动化 班 级 07Q2 学 生 学 号 指导教师 二一一年六月七日济南大学泉城学院毕业论文摘 要基于前向反馈神经网络的字母识别技术在科学技术日新月异的今天迅速得到发展，在诸多的方面得到应用包括出版、金融、军事、现金登记、页面浏览以及任何带有重复性、变化性数据的文件。英文字母识别系统的设计经过以下几个过程：预处理、特征提取、BP神经网络的训练、识别。本文的重点在于BP神经网络。本文运用的是三层神经网络，输入层、隐含层、输出层。隐含层节点的确定本文给出了多种方法，本文运用了根值的方法。基于人工神
2、经网络字母识别的特点和优越性，主要表现在三个方面：第一，具有自学习功能。字母识别时，只在先把许多不同的图像样板和对应的应识别的结果输入人工神经网络，然后在识别之前对神经网络进行训练形成稳定的权值这样网络通过自学习功能，慢慢学会识别类似的图像。第二，具有联想存储功能。用人工神经网络的反馈网络在字母识别时可以实现这种联想。第三，具有高速寻找优化解的能力。字母识别时寻找一个复杂问题的优化解，往往需要很大的计算量，利用一个针对某问题而设计的反馈型人工神经网络的字母识别系统，发挥计算机的高速运算能力，可能很快找到优化解。本文是在matlab环境下模拟整个英文字母的识别过程，随着科学技术的发展识别技术更加
3、成熟，各种难题都将会得到解决。关键词：字母识别；图像处理；特征提取；BP神经网络- 38 -ABSTRACTToday the science and technology develop rapidly. Letter recognition technology based on the feedback neural network is applied in many aspects including publication, finance military, cash register, page views, and any with repeatability,and var
4、iability of data files . Letter Identification System include the following processes: preprocessing, feature extraction, BP neural network training,and recognition. In this paper, we use a three-layer neural network, including input layer, hidden layer and output layer. This paper supply of a varie
5、ty of methods to determine Hidden layer nodes . The root sign method and other method.that proposed by the Nelson and Illingwnrth are applied .The features and advantages of Artificial neural network is reflected in three aspects :First, a self-learning function. When we recognize letters, only putt
6、ing many different images and the corresponding results into the artificial neural network and forming a stable weight before the letter recognition,the network will be through self-learning function to slowly identify similar images.Second, with the association storage. Artificial neural network fe
7、edback network can achieve this association in the letter recognition. Third, finding the optimal solution with high capacity. Finding the optimal solution of a complex often require a large amount of computation.Using a design that a feedback type artificial neural network for problem and playing t
8、he high-speed computing power of computer, you may quickly find the optimal solution. In the matlab environment this article simulate the entire process of letter recognition, with the development of science and technology recognition technology is more mature and have various problems will be solve
9、d.字典Keywords：Letter identification；image processing；feature extraction；the feedback neural network目 录摘 要IABSTRACTII1 前言11.1 研究背景及意义11.2 研究现状21.3 手写字母识别方法31.3.1 结构模式识别方法31.3.2 统计模式识别方法31.3.3 统计与结构相结合的识别方法41.3.4 人工神经网络方法41.4 识别系统性能的评价51.5 论文组织结构52 预处理62.1 系统框架62.2 预处理概述62.3 本文预处理设计62.3.1去噪72.3.2二值化82.
10、3.3 归一化102.3.4细化113 字母特征提取133.1 特征提取概述133.2 本文特征提取设计133.2.1像素百分比特征143.2.2提取矩阵的粗网格特征153.2.3 重心特征163.2.4 提取图像的矩阵像素特征163.2.5笔划特征173.2.6 外轮廓特征提取184 BP神经网络194.1 人工神经网络194.2神经网络的模型图204.3 BP神经网络的工作原理214.4神经网络的各层节点数224.4.1输入层和输出层224.4.2 隐含层节点数的优化确定234.5 BP神经网络的参数设计和训练过程17255 实验结果及分析285.1 实验设计285.1.1 实验参数285
11、.1.2 训练和识别样本库设计285.2隐含层节点对实验结果的影响285.2 识别样本的正确率305.3 实验结果分析31结 论32参 考 文 献33致 谢35附 录361 前言1.1 研究背景及意义手写字母识别技术是光学字符识别（Optical Character Recognition ，简称OCR）的一个分支，字母识别的研究背景要追溯到早期的光学识别技术，距今已有40多年的发展历史。早在6070年代，世界各国就开始有关于OCR的研究，而在研究的初期，多以文字的识别方法研究为主线，且识别的文字仅为09的数字。以同样拥有方块文字的日本为例子，其开始的光学字符识别技术走在世界前列，1960年左
12、右开始研究光学字符识别的基本识别理论，在初期以数字为对象，直到1965至1970年之间开始有一些简单的产品，例如印刷文字的邮政编码识别系统，识别邮件上的邮政编码，帮助邮局作区域分信的作业活动；因此至到今天邮政编码一直是各国所倡导的地址书写方式。BP神经网络手写字母识别技术的研究有着重要的意义。神经网络可以用于分类、聚类、预测等诸多领域。识别技术用于计算机的数据自动输人，早期的识别系统被用于大量形式多样的数据输人方面，比如处理汽油借记卡等。这种应用能够从非打印卡的账号中辨认购买者。早期的设备与打孔处理器一起来使用，伴随着计算机和识别系统精密程度的提高。识别的浏览器能够直接访误码CPO，这项技技术
13、也影响到了信用卡交易的付款处理的过程。目前，这些项应用仍是识别领域最主要用途之一。英语是世界上使用人数最多的文字之一。快速高效地将字母输人计算机，是信息处理的一个关键问题。人工键入速度慢而且劳动强度大，对于大量已有的文档资料，英文自动识别输人就成为了最佳的选择。它在英文信息处理、办公室自动化、机器翻译、人工智能等高技术领域，都有着重要的实用价值和理论意义。对于印刷体字符，首先采用光学的方式将文档资料转换成原始黑白点阵的图像文件，然后通过识别软件将图像中的文字转换成文本格式，以便文字处理软件的进一步加工。英文字符识别是模式识别的一个重要分支，也是文字识别领域比较困难的问题，它涉及模式识别、数字信
14、号处理、图像处理、人工智能、模糊数学、计算机、信息论、中文信息处理等诸多学科，是一门综合性的技术。近几年来，印刷英文字符识别系统的单字母识别正确率已经超过90.5，为了进一步提高系统的总体识别率，扫描图像、图像的预处理及识别后处理等方面的技术也都得到了深入的研究，并取得了很大的的进展，有效地提高了印刷字母识别系统的总体性能研究英文字母识别的BP神经网络模型，最终目的就是要使BP字母识别系统实现工业化，能像现在的一些手写英文字母识别系统或印刷体英文字母识别系统一样成为产品走向市场。字母识别固然有很多难题，但是相信随着科学计算机技术、人工神经网络技术的快速发展以及人脑功能的进一步揭示，英文字母识别
15、的理论和方法必将有大的飞跃.结合人工神经网络的发展史，我们有着对BP神经网络的展望。虽然神经网络的理论研究有着广阔的发展前景,但是每个领域的研究就是既充满诱惑又充满挑战. 没有人可以肯定告诉我们它的发展不会再经受挫折,也没有人会知道一旦成功实现其最终的目标会给世界带来多大的巨变. 但是我们有理由相信坚持不懈地致力于BP神经网络理论方法研究必定会给21 世纪科学研究带来辉煌。1.2 研究现状于21世纪40年代早期人工神经网络在国外率先得到发展。下面将以时间为顺序，以著名的人物或某一方面的突出研究成果为线索，简要介绍人工神经网络的发展历程。在1943年，WMcculloch和WPitts通过分析、总结神经元的特性的基础上提出了神经元的数学模型。该模型一直沿用至今，并且一直影响该领域研究的进展。因而，称二人为
