《手写数字(字母)识别毕业设计》.docVIP

摘 要 手写数字和字母识别是光学识别技术的一种，它研究的是利用计算机自动识别手写的数字和字母。手写数字(字母)识别由于其字形信息量小、笔划顺序信息很难获取、字形相差较小等特点成为模式识别领域中一个具有挑战性的课题。手写数字识别能在大规模数据的统计、金融领域、邮件的自动分拣以及手写文稿自动输入等诸多方面发挥巨大作用，它的研究对于手写数字信息的录入和开发新的计算机智能输入系统有重要意义。虽然在过去的几十年中人们提出了很多识别方法，但至今仍然没有一种方法能够达到理想的识别效果。本文对数字与字母的识别进行了研究，并设计了一个基于bp神经网络与模板匹配法的手写数字与字母的识别系统。 对于手写数字(字母)识别的分类器设计有模板匹配分类器，神经网络分类器，基于支持向量机(Support Vector Machine,SVM)技术的分类器，基于决策树的分类器等。通过对比，本文使用了模板匹配的分类器和基于神经网络的分类器。基于模板匹配的分类器实现计算简单，而神经网络分类器在字母识别方面有着更好的表现，能够通过样本的训练，记忆样本的特征从而以此来识别手写字母。经过测试，使用模板匹配法就能够很好的对手写数字进行识别，而在字母识别方面则用BP神经网络进行识别的效果更好。 特征的提取是数字(字母)识别中的另一个难点，手写数字或字母中字形多，手写体的样式每个人都不一样可谓千变成化，对于同一个数字的提取结果可能就有非常多的结果，因此对特征的提取有很大的困难。本文中使用一种5*5的模板进行特征提取。在样本图片中的字形可能大小、位置都不一样，为了统一图片中字符的样式，会首先对图片数据进行处理，提取到图片中有用的数据以使所有的手写数字在模板中有相同的形式。 本文研究的对象是用鼠标手写的数字和字母，并且使用了已经存在的300多张图片作为样本数据进行网络训练和特征提取过程的测试。 关键词：数字识别;字母识别;神经网络;模板匹配;特征提取Abstract Handwritten digit character and alphabet recognition is one of the optical character recognition technology, The research of it is automatic recognition of handwritten digit character and alphabet.Because of the small glyph information and its stroke order information is difficult to obtain and the similarity of glyphs the Handwritten digit character and alphabet recognition become a challenging topic in pattern recognition field.It is very usefull in the statistics of large-scale data,finace,the automatic sorting of messages and automatically enter handwritten presentation and many other aspect. The research of it make a important difference int handwriting digital information record and development of new computer input system . Although in the past few decades have been proposed many recognition methods, But still hadn’t a way to achieve the ideal result. This article study on recognition of digit character and alphabet,and design a recognition system based on template matching method and BP neural network . There are many classifiers in handwritten digit character and alphabet recognition,such as template matching classifier and neural network classifi