手写阿拉伯数字识别开题报告.docVIP

题目类型（打√选择） 设计（ √ ） 论文（ ） 一、文献综述 手写阿拉伯数字的识别一直是近年来模式识别及图像处理领域的研究热点，是字符识别的一个分支,问题虽然简单,但却有较大的实用价值。广泛应用于财务，税务，邮政，科研，以及大规模数字统计工作之中。例如：目前中国在信函通信时广泛使用了邮政编码,用手写体数字识别技术进行信函的自动分拣对减轻邮电职工的手工分拣工作有很大意义。随着我国经济的发展，手写数字识别在经济领域也将发挥更多的积极作用。 作为光学字符识别的研究方向之一，近年来，研究者们分别开发出基于结构特征的研究方法，基于统计特征的研究方法等诸多方法，取得了不少令人满意的成果。例如组合结构特征的自由手写体数字识别算法[5]，基于骨架结构特征的手写数字识别方法等[3]。研究基于统计特征的方法主要有模版匹配法，像素点统计分析法，全局变化及级数展开法等。有学者提出了基于手写数字图像的空间、旋转、层次和结构特性的特征提取方法。隐马尔可夫模型是一种基于马尔科夫随机过程的统计模型，其善于处理随机信号，在语音识别领域的应用性较广。(SCHMM)。 DHMM人工神经网络采用的是人体大脑中的学习反馈思想，有较高的运行效率，实现方式也相对简单。误差反向传播神经网络，简称BP神经网络，是一种朝着满足给定输入输出关系方向进行自组织的网络，是应用最为广泛的一种神经网络。优点? 二、设计（论文）主要内容 主要利用Matlab7.1通过建立BP神经网络的方法实现手写阿拉伯数字的分类识别。主要的阶段有图像预处理，图像特征分析，识别阶段。 预处理阶段是将原始的图像转换成识别器所能接受的二进制，影响着识别的效率。特征提取阶段是将数字字符形状转换成一组特征值的过程，其好坏决定着最终的识别效果。识别阶段是利用提取的特征对待识别的数字字符进行识别处理。 最后利用Matlab建立简洁的界面模型GUI调试并联系各部分成完整系统实现手写阿拉伯数字的识别功能。 三、设计（研究）方案 采集原始图像后，图像预处理阶段通过滤波去噪，通过灰度化，二值化，字符切分，图像校正，归一化处理的步骤进行处理。图像特征值提取阶段针对数字字符的端点，三度点，四度点，折点的个数和位置，横向切割交点序列，纵向切割交点序列等特征值，通过沿着轮廓点扫描的方法来实现。在识别阶段利用构建BP人工神经网络来实现对已经过特征提取的数字结构模型进行识别，在保证精度与效率的情况下完成整个系统的构建。 具体步骤如下所示： 四、工作进度安排 1. 文献检索及开题报告 第1周 2. 完成图像预处理 第2～3周 3. 图像特征分析工作 第4周 4. 分类识别阶段建立BP神经网络 第5～6周 5. 判别阶段确定结果是否正确 第7～8周 6. 使用matlab7.1建立GUI 第9周 7. 毕业实习 第10周 8. 系统各部分程序调试 第11周 9. 毕业论文的撰写及修改 第12～14周 15. 毕业答辩 第15周 五、主要参考文献 [1] 刘刚, 张洪刚, 郭军．用于脱机手写数字识别的隐马尔可夫模型[J]．《计算机研究与发展》2003年 第8期． [2] 耿西伟, 张猛, 沈建京．基于结构特征分类BP网络的手写数字识别[J]. 《计算机技术与发展》2007年 第1期． [3] 于振华, 冯运亮, 罗珍茜．基于骨架结构特征的手写数字识别方法[J]．《微计算机信息》2010年16期． [4] 双小川, 张克．基于统计和结构特征的手写数字识别研究[J]．《计算机工程与设计》2012(4)． [5] 陈军胜．组合结构特征的自由手写体数字识别算法研究[J